本课程是人工智能方向的一门专业课程，主要介绍数字图形处理与计算机视觉的基础理论和基本方法，结合华为好望摄像机的硬件设备和百度飞桨的软件架构开展基于深度学习的工程项目设计和实验，以产教融合的信创理念驱动理论与实践的结合和应用，采用线上线下混合式教学方式，是教育部2022年供需对接就业育人项目、四川省2021-2023年高等教育人才培养质量和教学改革项目、西南交通大学2022年一流本科课程项目的建设课程。

       本课程系统阐述了图像与视觉系统、像素空间关系、空域变换增强、空域滤波增强、图像变换、频域图像增强等数字图像处理的基础理论和技术，重点介绍了卷积神经网络、图像分割、图像分类、目标检测等计算机视觉的基本模型和方法，开设了涵盖视觉数据的准备与标注、数据预处理与数据集划分、计算机视觉模型的建立与训练、网络模型优化与应用部署等工程项目全流程的设计和实验，概述了大模型的技术原理和应用，为毕业后从事大数据、人工智能等领域的科研和工作奠定基础。

目标1：掌握和运用数字图像处理和计算机视觉技术的基础知识和专业知识，能够提出、设计和开发解决实际工程问题的数学模型和解决方案，具有设计、开发软件以解决实际工程问题的能力。

目标2：掌握利用网络和文献检索工具获取数字图像处理和计算机视觉技术重要文献资料的方法，具有开展实验、仿真和实验数据分析的能力，具备运用相关软件工具解决实际工程问题的能力。

目标3：具备科学严谨、求真务实、自主学习的学习态度和工作作风。

一、成功的技巧

1. 课前预习环节：提前进行课程预习，按照教师课程要求，提前复习先修课程知识点；

2. 课堂学习环节：课堂认真听课，注意理清每一节课教师讲授的知识点，注意每一章节知识点之间的关系，形成知识体系；在掌握本课程的基本原理和理论的基础上，注重掌握典型工程方法以解决实际工程问题的能力；

3. 课后自学环节：课后按时完成教师布置的课后资料阅读，独立并认真完成课后练习；注意计算机辅助仿真工具的学习和使用，结合理论分析并采用计算机辅助仿真软件分析、验证；学会充分利用教师提供的网络资源和课程同步视频教学资源；

4. 课后答疑环节：在课后自学的同时，充分利用教师和助教提供的课后答疑环节，答疑解惑；

5. 课程实验环节：要求提前做好课程实验的预习和实验预习报告的撰写准备。在实验过程中，严格按照老师要求检查实验设备并完成实验准备，做好实验数据记录、完成实验结果收集；实验结束后认真完成实验数据分析和整理，撰写实验报告；通过实验并结合理论课程知识点，做好知识的总结；

6. 考试前做好复习准备。

二、学术诚信规定

1. 按时上课，不迟到、不早退；

2. 课堂考勤不得代签，课程作业不得抄袭，实验报告不得抄袭、期末考试不得抄袭，否则没有成绩，课程不予通过；

3. 允许学术交流和讨论，但是要求独立思考并完成作业；

4. 要求在规定的时间提交课程作业；

5. 独立完成课堂测验；

6. 考试严格遵守考场纪律；

7. 端正态度，积极备考。正确认识考试对评价学习的意义，认真复习，踏实备考，不抱侥幸心理，满怀信心迎接考试；

8. 严肃考风考纪。维护考试纪律，遵守考场规则，诚实应考，杜绝任何考试作弊形式；

9. 弘扬诚信正风正气。同学之间互相监督，互相提醒，树立与不良风气作斗争的勇气，勇于检举考试作弊行为；

10. 秉持科学精神，坚守学术道德。形成刻苦钻研、积极探索、勇于创新的学术精神，积极营造求真务实、潜心研究、诚信严谨的学术风气，抵制学术不端，杜绝学术腐败，维护公平、公正、求真、踏实的学术氛围。

三、其它

1. 先修课程：C/C++程序设计、数据结构；

2. 答疑时间与地点：每周四晚上19:00-21:00于X9216；

3. 作业完成建议：建议制定详细的课程学习计划，做到课前预习、课堂认真、课后复习，认真完成作业和实验报告，务必在下一次上课前完成上一次的作业或实验报告；

4. 学习方法提示：建议制定详细的学习时间管理计划，做好笔记，整理好学习技巧，撰写学习心得的总结体会；

5. 课程准备信息：提前熟悉Matlab软件的使用，提前了解Python程序设计技术，在理论学习和实验编程方面具有挑战性；

6. 助教信息：没有助教，由主讲教师主导所有课程教授环节；

7. 联系方式 QQ：396341096。

1. 黄进等. 《数字图像处理——原理与实现》, 清华大学出版社, 2020年1月第1版.

2. 华为好望云官网, https://www.huaweicloud.com/theme/1414381-1-H

3. 百度飞桨计算机视觉课程资源, https://aistudio.baidu.com/course/list/1/3

Q :  课程有指定教材吗？

A :  黄进等. 《数字图像处理——原理与实现》, 清华大学出版社, 2020年1月第1版.

Q :  线上资源在哪里获取？

A :  1. 中国大学MOOC：https://www.icourse163.org/course/preview/SWJTU-1469869165?tid=1471232450；

2. 百度飞桨AI Studio：https://aistudio.baidu.com/aistudio/education/group/invitation/29408?code=1ZjqB8；

3. 清华大学出版社课件下载页面（扫描教材封底的“课件下载”二维码）。