通过该课程的学习，重点掌握机器视觉与深度学习基础知识，培养初步的利用深度学习理论解决机器视觉相关问题的能力。使学生机器视觉和深度的分析方法及其硬软件的设计与实现，掌握最新的机器视觉与深度学习方面的发展动态及其先进的开发手段，为独立从事科研工作打下坚实基础。

具体目标：（1）基本理解计算机视觉中针对图像的重要研究问题。掌握图像存储、预处理、特征提取的基本方法，了解学术界和工业界中的主要应用问题。  （2）了解深度学习的神经网络（DNN）模型在计算机视觉领域的应用。具体涉及在计算机视觉领域如何应用卷积神经网络（CNN）、区域卷积网络（R-CNN）、全卷积网络（FCN）、长短时记忆网络（LSTM）、生成对抗网络（GAN）等解决图像应用的难点。

本课程将全面介绍基于TensorFlow深度学习框架的人工智能应用开发技术。课程不仅会讲解机器学习的基础理论和主流的模型及算法（包括线性回归、神经网络、卷积神经网络、循环神经网络、生成对抗网络等），而且会重点讲解如何基于TensorFlow框架，针对不同的应用场景进行深度学习模型的选择、构建和应用。让学习者能快速具备人工智能问题求解的基本思想和初步的人工智能应用软件开发能力。

平时：30%

大作业：70%

有基本的编程能力，学过一些基本概率统计和线性代数

教材电子版本：

https://minghuiwu.gitbook.io/tfbook/