机器视觉与边缘计算应用
分享
课程详情
课程评价
spContent=本课程简要介绍机器视觉相关的卷积神经网络常用算法、目标检测常用算法的基本原理,然后重点介绍了机器学习开源平台OpenVINO的安装和使用,在此基础上通过实验的方式,详细地介绍实现机器视觉在车牌识别、智能交通灯控制、智慧教室、危险品识别等典型应用领域的过程。
—— 课程团队
课程概述

1.我为什么要学习这门课?

机器视觉是目前人工智能重要的应用领域,已经得到了广泛的应用,在很多领域都有很多成功的应用案例。其中深度学习的目标检测算法是非常有用的技术基础。目前,这方面的人才需求比较旺盛。如何在预训练的模型基础上,通过迁移学习,根据现实应用的需求,继续高效、高质量地训练模型,达到快速部署的目的就成为非常紧迫的工作。本课程在介绍机器视觉相关技术基础的基础上,介绍一款强大的机器视觉工具,可以帮助学员方便地实现机器视觉在边缘计算场景的应用。


2.这门课的主题是关于什么?

这门课主要介绍机器视觉的基本算法,并通过案例和实验的方式,详细地介绍如何利用OpenVINO平台进行模型的优化和推理,实现机器视觉在边缘计算领域的应用。


3.学习这门课可以获得什么?特别是对自己有什么帮助和应用?

通过本课程的学习,不仅可以了解目标检测的常用算法原理,而且可以学习通过使用强大的OpenVINO平台,实现这些算法在边缘计算领域的应用方法。


4.这门课有什么特色和亮点?

本课程深入浅出,通过典型的案例和动手练习,使用比较少的代码,就可以实现目标检测的典型应用。

授课目标

熟悉目标检测的常用算法,并在此基础上应用OpenVINO平台,实现典型的机器视觉应用,在次基础上做创新性的应用更佳。

课程大纲
预备知识

学习本课程前需要掌握机器学习的基本原理,了解深度神经网络的常用算法更佳,也需要一定的Python编程基础。

证书要求

为积极响应国家低碳环保政策, 2021年秋季学期开始,中国大学MOOC平台将取消纸质版的认证证书,仅提供电子版的认证证书服务,证书申请方式和流程不变。

 

电子版认证证书支持查询验证,可通过扫描证书上的二维码进行有效性查询,或者访问 https://www.icourse163.org/verify,通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核,成绩达到课程考核标准的学生(每门课程的考核标准不同,详见课程内的评分标准),具备申请认证证书资格,可在证书申请开放期间(以申请页面显示的时间为准),完成在线付费申请。

 

认证证书申请注意事项:

1. 根据国家相关法律法规要求,认证证书申请时要求进行实名认证,请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后,系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


参考资料

https://course.itxueyuan.com/198(零基础学习OpenVINO)

https://www.icourse163.org/course/FUDAN-1205806833(机器学习和深度学习课程)

3 赵卫东,董亮编著.机器学习.北京:人民邮电出版社,2018

4 赵卫东.机器学习案例实战(第2版). 北京:人民邮电出版社,2021

有关OpenVINO的一些介绍和应用可以参考OpenVINO中文社区:

常见问题

1. 没有基础可以学习吗?

答:建议学员至少有一定的Python语言基础,并学习过机器学习和深度学习的基本知识(尤其是卷积神经网络和目标检测等部分),可以选修课程https://www.icourse163.org/course/FUDAN-1205806833

有关OpenVINO的介绍,可以先学习https://course.itxueyuan.com/198(零基础学习OpenVINO)。

2.如何使用课程介绍的算法和工具解决实际问题?

答:可以先消化课程提供的案例和实验,结合推荐教材的实验练习,理解机器视觉常用算法原理以及OpenVINO的使用方法。

3.本课程是否会讲实训的内容?

答:本课程近一半时间介绍OpenVINO的实际应用,实用性强,强调动手练习

4.实验用什么平台?

答:可以到https://software.intel.com/zh-cn/openvino-toolkit/choose-download?cid=&campid=prc_q234_2020_openvino_mooc下载相关免费软件,安装在本地机器调试和运行。

5.本课程的资料可以怎么使用?

答:本课程的资料(包括课件、视频、程序和数据)仅仅用于学习用,没有经过允许,不能用于比赛、论文或商业目的。

6.OpenVINO是什么平台?

答:使用英特尔® OpenVINO™ 工具套件分发版开发可模拟人类视觉的应用和解决方案。该工具套件基于卷积神经网络 (CNN),可在英特尔® 硬件(包括加速器)中扩展工作负载并实现性能最大化。

· 支持从边缘到云的深度学习推理

· 加速 AI 工作负载,包括计算机视觉、音频、语音、语言和推荐系统

· 使用通用 API 支持在所有英特尔® 架构和 AI 加速器 — CPUiGPU、英特尔® Movidius视觉处理单元 (VPU)FPGA 和英特尔® 高斯和神经加速器(英特尔® GNA)上实现异构执行

· 通过函数库和预优化内核缩短上市时间

· 包括面向 OpenCVOpenCL内核以及其他工业工具和库的优化调用