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、头歌等深度学习加速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性能强大的OpenVINO、头歌等平台，实现目标检测、语义分割等预训练模型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、语义分割等算法的典型应用。
5.案例代码的下载方式
课程的案例除了在相关案例网页下载外，其他演示案例以及更多案例代码可以到
https://github.com/openvinotoolkit/openvino_notebooks下载。
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。
学习本课程前需要掌握深度学习的基本原理，了解目标检测、语义分割等深度学习的常用算法更佳，也需要一定的Python编程基础。
01边缘计算和机器视觉基础
1.3 Anaconda安装和使用
1.1 人工智能与边缘计算
1.2 深度学习和机器视觉
1.4 学习本课程的基础和要求
单元测验
02 目标检测基础
2.1 目标检测的基本概念
2.2 Yolo目标检测算法
2.3 SSD目标检测算法
2.4 MobileNet目标检测算法
2.5 UNet语义分割网络
典型目标检测算法
03 OpenVINO基础
3.1 OpenVINO平台概述
3.2 OpenVINO的安装和模型下载
3.3 OpenVINO在深度学习中的应用
OpenVINO的基本认识
04 OpenVINO的使用
4.1 预训练模型的格式转化
4.2 预训练模型的推理加速
4.3 预训练模型的量化
4.4 OpenVINO综合应用
4.5 使用OCR进行手写体识别
OpenVINO的基本认识
05 边缘计算典型应用
5.1 智能交通灯控制
5.2 视觉语义分割
5.3 车辆特征识别
06 算能云平台加速器
3.1 基于算能的药品拣货机
3.2 婴儿睡姿检测
3.3 算能加速器平台介绍
07 边缘智能综合实训
7.1 实训项目 基于食材识别的囤菜系统
7.2 实训项目 电动车头盔检测
OpenVINO安装使用总结
1.赵卫东. 机器学习案例实战（第2版）. 北京：人民邮电出版社，2021（实验和实训，Python语言）
2.赵卫东，董亮编著.机器学习（第2版）.北京：人民邮电出版社，2022（Python语言）
3.赵卫东，董亮著.Python机器学习实战案例（第2版）.北京：清华大学出版社，2022（实验和实训，Python语言）
4.赵卫东编著.深度学习实战案例.北京：人民邮电出版社，2024（Python语言）
有关OpenVINO的一些介绍和应用可以参考OpenVINO中文社区：
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。
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：本课程会介绍OpenVINO和算能等业界主流平台的应用方法，实用性强，强调动手练习。以下资料可以参考：
-机器学习实战案例课程：https://www.educoder.net/paths/ygpm7bqe
-Intel的OpenVINOhttps://github.com/openvinotoolkit
-阿里魔搭https://modelscope.cn/
-华为MindSpore学习资料：https://github.com/mindspore-courses
4.实验用什么平台？如何安装？
答：本课程使用OpenVINO加速器，可以采用以下步骤安装（具体参考课程文档）：
（1）产生虚拟环境
python -m venv openvino_env
（2）激活虚拟环境
openvino_env\Scripts\activate
（3）升级pip到最新版本
python -m pip install --upgrade pip
（4）下载和安装包
pip install openvino-dev==2023.1.0
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，不能用于其他目的。
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 — CPU、iGPU、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 OpenCV、OpenCL 内核以及其他工业工具和库的优化调用
致谢：本课程得到了Intel公司和算能公司的大力支持，这里特表示感谢！