《计算机视觉》教学大纲课程名称：计算机视觉课程类别（必修/选修）：专业课限选课课程英文名称：ComputerVision总学时/周学时/学分：48/3/3其中实验/实践学时：24先修课程：具备Python程序语言、数据结构、基础的数学和统计学知识、人工智能与机器学习。后续课程支排：专题制作2、毕业设计授课地点：实验楼机房503授课时间：星期二(1-3节)1-16周授课对象：23级电商1-2班开课学院：粤台产业科技学院任课教师姓名/职称：杨荣贵/刷教授答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑课程考核方式：开卷（）闭卷（）课程论文（）其它（）作业、期末报告使用教材：《计算机视觉实践（第2版）》，李轩涯、曹焊然、计湘婷，清华大学出版社，教材ISBN：9787302641773教学参考资料：《PyTorch生成对抗网络编程》，韩江雷，人民邮电出版社，出版日期：2020.12，ISBN：9787115546388课程简介：计算机视觉(ComputerVision）课程通常涵盖广泛的主题，旨在让学生理解和应用计算机视觉领域的基本概念和技术。课程内容将通过讲座、实际项目案例分析和讨论来传授。学生将有机会使用流行的机器学习工具和框架，例如PyTorch,YOLO和StarGAN，以实际动手经验深化他们的理解。课程教学目标及对毕业要求指标点的支撑：毕业要求课程教学目标支撑毕业要求指标点目标1：1-工程知识：能够运用数学、基础科学、计算机科1.交叉知识的运用能力掌握计算机视觉的基本概念、相关技术，了解计算机视觉学与技术、企业互联网平台系统、电子商务信息管3.（技术工具的应用能力）在数据处理和规则提取中的应用现状、应用前景和研究方理与信息系统、电子商务经营管理等相关知识，对1
1 《计算机视觉》教学大纲 课程名称：计算机视觉 课程类别（必修/选修）：专业课 限选课 课程英文名称： Computer Vision 总学时/周学时/学分：48 / 3 / 3 其中实验/实践学时：24 先修课程：具备 Python 程序语言、数据结构、基础的数学和统计学知识、人工智能与机器学习。 后续课程支撑：专题制作 2、毕业设计 授课时间： 星期二(1-3 节)1-16 周 授课地点：实验楼机房 503 授课对象： 23 级电商 1-2 班 开课学院：粤台产业科技学院 任课教师姓名/职称：杨荣贵/副教授 答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑 课程考核方式：开卷（）闭卷（）课程论文（）其它（） 作业、期末报告 使用教材：《计算机视觉实践（第 2 版）》，李轩涯、曹焯然、计湘婷，清华大学出版社，教材 ISBN：9787302641773 教学参考资料：《PyTorch 生成对抗网络编程》，韩江雷，人民邮电出版社，出版日期：2020.12，ISBN：9787115546388 课程简介： 计算机视觉(Computer Vision)课程通常涵盖广泛的主题，旨在让学生理解和应用计算机视觉领域的基本概念和技术。课程内容将通过讲座、实际项目、 案例分析和讨论来传授。学生将有机会使用流行的机器学习工具和框架，例如 PyTorch, YOLO 和 StarGAN，以实际动手经验深化他们的理解。 课程教学目标及对毕业要求指标点的支撑： 课程教学目标 支撑毕业要求指标点 毕业要求 目标 1： 掌握计算机视觉的基本概念、相关技术，了解计算机视觉 在数据处理和规则提取中的应用现状、应用前景和研究方 1. 交叉知识的运用能力 3.（技术工具的应用能力） 1-工程知识：能够运用数学、基础科学、计算机科 学与技术、企业互联网平台系统、电子商务信息管 理与信息系统、电子商务经营管理等相关知识，对
向。企业互联网与电子商务系统开发运维问题具有解决能力。目标2：4-研究：能够熟悉企业互联网与电子商务系统的前强化在计算机视觉中的算法设计、分析的能力：同时，培端设计、后端设计、数据库设计、数据挖掘、大数2（实验与数据解读能力）养学生阅读外文资料、文献调研方面的能力。据分析、云计算等基本科学研究方法，具有科学研4（计科与大数据分析专业能力）究精神，为企业互联网与电子商务系统开发运维复杂问题提出有效研究手段并将问题有效解决。目标3：4能够采用科学方法对化学领域工程问题进行研究6（解决复杂问题的能力）锻炼学生应用各种手段查阅文献资料、获取信息、拓展知和分析，包括设计实验、处理与解释数据得到合理7（持续学习与创新超越能力）有效的结论识领域、维续学习并提高业务水平的能力。理论教学进程表支撑教学模式周次授课教师学时数教学主题数学内容（置点、难点、课程思政融入点）教学方法作业安排课程线下滤合式目标重点：计算机视觉观念剖析：机器学习和课后作业：神经网络1练习安装难点：计算机视觉的整合性概念线下杨荣贵课堂讲授目标1绪论Anaconda,PyCharm,1课程思政融入点：在课程中加入涉及我国计算机科学家及工程师在对计算机学科发PyTorch。熟悉架构神展作出的贡献和利用人工智能与机器学习经网络的操作原理及技术在其他领域应用取得了新成就2
2 向。 企业互联网与电子商务系统开发运维问题具有解 决能力。 目标 2： 强化在计算机视觉中的算法设计、分析的能力；同时，培 养学生阅读外文资料、文献调研方面的能力。 2（实验与数据解读能力） 4（计科与大数据分析专业能力） 4-研究：能够熟悉企业互联网与电子商务系统的前 端设计、后端设计、数据库设计、数据挖掘、大数 据分析、云计算等基本科学研究方法，具有科学研 究精神，为企业互联网与电子商务系统开发运维复 杂问题提出有效研究手段并将问题有效解决。 目标 3： 锻炼学生应用各种手段查阅文献资料、获取信息、拓展知 识领域、继续学习并提高业务水平的能力。 6（解决复杂问题的能力） 7（持续学习与创新超越能力） 4 能够采用科学方法对化学领域工程问题进行研究 和分析，包括设计实验、处理与解释数据得到合理 有效的结论 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入点） 教学模式 线下/混合式 教学方法 作业安排 支撑 课程 目标 1 绪论 杨荣贵 3 重点；计算机视觉观念剖析：机器学习和 神经网络 难点：计算机视觉的整合性概念 课程思政融入点：在课程中加入涉及我国 计算机科学家及工程师在对计算机学科发 展作出的贡献和利用人工智能与机器学习 原理及技术在其他领域应用取得了新成就 线下 课堂讲授 课后作业： 1. 练习安装 Anaconda, PyCharm, PyTorch。熟悉架构神 经网络的操作 目标 1
等，例如：政府大数据、商业大数据、生物工程大数据等内容，培养学生应用马克思主义基本原理分析问题的方法，激发学生的爱国热情和民族自豪感。重点：介绍ResNet网络的原理难点：对于ResNet网络的应用场景课后作业：课堂讲授杨荣贵3目标12线下ResNet模型搭建课程思政融入点：说明计算机视觉技术对实作ResNet18网络国家AI发展的重要性，激发学生对于技能学习的热情，未来为国家做出贡献。重点：关键点检测观念理解、训练模式难点：关键点检测任务说明、常用数据集、性能指针课后作业：关键点检测原理课程思政融入点：通过讲述关键点检测原3课堂讲授目标2杨荣贵建立关键点检测5解析：YOLOV8线下理从简到繁、从易到难、从特殊到一般，DataSetPOSE网络循序渐进。培养学生利用循序渐进、举一反三的方法认识、分析问题的能力：树立凡事要脚踏实地、从基础做起、积步以至千里的理念。重点：YOLOV8-POSE的验证模式、预测模课后作业：式、导出模式目标YOLOv8-POSE:模3课堂讲授杨荣贵线下26建立YOLOVB训练模难点：在自定义或预载数据集上对模型进1,2型训练型行微调。课程思政融入点：介绍目标检测在国内的3
3 等，例如：政府大数据、商业大数据、生 物工程大数据等内容，培养学生应用马克 思主义基本原理分析问题的方法，激发学 生的爱国热情和民族自豪感。 2 ResNet 模型搭建 杨荣贵 3 重点；介绍 ResNet 网络的原理 难点：对于 ResNet 网络的应用场景 课程思政融入点：说明计算机视觉技术对 国家 AI 发展的重要性，激发学生对于技能 学习的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 实作 ResNet18 网络 目标 1 5 关键点检测原理 解 析 ： YOLOv8 POSE 网络 杨荣贵 3 重点；关键点检测观念理解、训练模式 难点：关键点检测任务说明、常用数据集、 性能指针 课程思政融入点：通过讲述关键点检测原 理从简到繁、从易到难、从特殊到一般， 循序渐进。培养学生利用循序渐进、举一 反三的方法认识、分析问题的能力；树立 凡事要脚踏实地、从基础做起、积跬步以 至千里的理念。 线下 课堂讲授 课后作业： 建 立 关键点检测 DataSet 目标 2 26 YOLOv8-POSE：模 型训练 杨荣贵 3 重点；YOLOv8-POSE 的验证模式、预测模 式、导出模式 难点：在自定义或预载数据集上对模型进 行微调。 课程思政融入点：介绍目标检测在国内的 线下 课堂讲授 课后作业： 建立 YOLOv8训练模 型 目标 1, 2
应用状况，激发学生对于技能学习的热情未来为国家做出贡献。重点：释放模型对真实世界数据的预测能力。课后作业：目标YOLOv8-Pose:布难点：让您的模型以各种格式部署就绪。线下3课堂讲授杨荣贵7调整超参数，进行模1,2署应用课程思政融入点：说明目标检测技术在国型验证内的相关应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。重点：生成式对抗网络有哪些类型难点：了解生成式对抗网络如何运作目标课后作业：生成式对抗网络3线下课堂讲授杨荣贵12课程思政融入点：说明国家对于科学数据2, 3基础知识安装StarGAN保护的重视程度，激发学生对于技能学习的热情，未来为国家做出贡献。重点：StarGAN模型架构课后作业：难点：Generator架构、IdentitylosS、LSGAN3线下课堂讲授杨荣贵建立生成式对抗网目标313StarGAN网络课程思政融入点：说明生成对抗网络技术络数据集对国家AI发展的重要性，激发学生对于技能学习的热情，未来为国家做出贡献。重点：对计算机视觉应用范围的了解课后作业：目标计算器视觉项目难点：对整体计算机视觉应用的掌握杨荣贵3课堂讲授16线下调整超参数，进行1,2,3期末报告课程思政融入点：说明计算机视觉应用托StarGAN模型验证术对国家AI发展的重要性，激发学生对于4
4 应用状况，激发学生对于技能学习的热情， 未来为国家做出贡献。 7 YOLOv8 -Pose：布 署应用 杨荣贵 3 重点；释放模型对真实世界数据的预测能 力。 难点 ：让您的模型以各种格式部署就绪。 课程思政融入点：说明目标检测技术在国 内的相关应用状况，激发学生对于技能学 习的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 调整超参数，进行模 型验证 目标 1, 2 12 生成式对抗网络 基础知识 杨荣贵 3 重点；生成式对抗网络有哪些类型 难点：了解生成式对抗网络如何运作 课程思政融入点：说明国家对于科学数据 保护的重视程度，激发学生对于技能学习 的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 安装 StarGAN 目标 2, 3 13 StarGAN 网络 杨荣贵 3 重点； StarGAN 模型架构 难点 ：Generator 架构、Identity loss 、LSGAN 课程思政融入点：说明生成对抗网络技术 对国家 AI 发展的重要性，激发学生对于技 能学习的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 建立生成式对抗网 络数据集 目标 3 16 计算器视觉项目 期末报告 杨荣贵 3 重点；对计算机视觉应用范围的了解 难点 ：对整体计算机视觉应用的掌握 课程思政融入点：说明计算机视觉应用 技 术对国家 AI 发展的重要性，激发学生对于 线下 课堂讲授 课后作业： 调整超参数，进行 StarGAN 模型验证 目标 1, 2, 3
技能学习的热情，未来为国家做出贡献。合计24实践教学进程衣教学支撑课项目类型（验证/综合周次学时实验项目名称授课教师教学内容（重点、难点、课程恩政融入点）设计）方法程目标掌握在PyTorch下建立ResNet神经网络的方法。实验示范、课程思政融入点：培养实事求是的科学态度和分类问题：ResNet网络杨荣贵设计型目标163, 4学生操作实作职业道德。第3周：中秋节休假。掌握在PyTorch下建立YOLOPOSE神经网络的YOLO关键点检测(POSE)实验示范、方法。杨荣贵6设计型目标28, 9学生操作项目实战：训练课程思政融入点：培养实事求是的科学态度和职业道德。掌握在PyTorch下神经网络导出ONNX模型的方法。课程思政融入点：要求学生处理实验数据必须实验示范、YOLO关键点检测(POSE)杨荣贵6设计型目标310, 11坚持实事求实、严谨的科学态度：要求学生实学生操作项目实战：布署验过程中主动思考理论原理，在实验过程中去验证实验原理，使理论与实践相辅相成。实验示范、生成式对抗网络项目实掌握在PyTorch下建立StarGAN神经网络的方杨荣贵6设计型目标2314,15学生操作战：数据集、应用法，以及模型训练，和模型导出应用。5
5 技能学习的热情，未来为国家做出贡献。 合计 24 实践教学进程表 周次 实验项目名称 授课教师 学时 教学内容（重点、难点、课程思政融入点） 项目类型（验证/综合 /设计） 教学 方法 支撑课 程目标 3, 4 分类问题：ResNet 网络 实作 杨荣贵 6 掌握在PyTorch下建立ResNet神经网络的方法。 课程思政融入点：培养实事求是的科学态度和 职业道德。 第 3 周：中秋节休假。 设计型 实验示范、 学生操作 目标 1 8, 9 YOLO 关键点检测(POSE) 项目实战：训练 杨荣贵 6 掌握在PyTorch下建立YOLO POSE神经网络的 方法。 课程思政融入点：培养实事求是的科学态度和 职业道德。 设计型 实验示范、 学生操作 目标 2 10, 11 YOLO 关键点检测(POSE) 项目实战：布署 杨荣贵 6 掌握在 PyTorch 下神经网络导出 ONNX 模型的 方法。 课程思政融入点：要求学生处理实验数据必须 坚持实事求实、严谨的科学态度；要求学生实 验过程中主动思考理论原理，在实验过程中去 验证实验原理，使理论与实践相辅相成。 设计型 实验示范、 学生操作 目标 3 14,15 生成式对抗网络项目实 战：数据集、应用 杨荣贵 6 掌握在 PyTorch 下建立 StarGAN 神经网络的方 法，以及模型训练，和模型导出应用。 设计型 实验示范、 学生操作 目标 2, 3
课程思政融入点：培养实事求是的科学态度和职业道德。合计24课程考核评价依据及成绩比例（%）课程目标支撑毕业要求指标点作业实验(操作)期中报告期末报告1-3201030目标一2-3102030目标二4-1目标三4040总计20202040100大纲编写时间：2024年9月2日系（部）审查意见：同意I系（部）主任签名：日期：2024年9月3日6
6 课程思政融入点：培养实事求是的科学态度和 职业道德。 合计 24 课程考核 课程目标 支撑毕业要求指标点 评价依据及成绩比例（%） 作业 实验(操作) 期中报告 期末报告 目标一 1-3 20 10 30 目标二 2-3 20 10 30 目标三 4-1 40 40 总计 20 20 20 40 100 大纲编写时间：2024 年 9 月 2 日 系（部）审查意见： 同意 系（部）主任签名： 日期：2024 年 9 月 3 日
备注：1）根据（东莞理工学院考试管理规定第十二条规定：旷课3次（或6课时）学生不得参加谈谋程的期终考核。2）各项考核标准见附件所示。7
7 备注： 1）根据《东莞理工学院考试管理规定》第十二条规定：旷课 3 次（或 6 课时）学生不得参加该课程的期终考核。 2）各项考核标准见附件所示