机器视觉与边缘计算应用
分享
课程详情
课程评价
spContent=本课程主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，并介绍了Intel公司的机器学习开源平台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。

显示全部
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，在此基础上做创新性的边缘计算应用。

课程大纲
预备知识

学习本课程前需要掌握深度学习的基本原理，了解目标检测的常用算法更佳，也需要一定的Python编程基础。

证书要求

1.按时学习每章节的视频

2.完成每章节的测试

3.积极参加讨论和实验

4.通过课程的结业测试

注意：纸质证书需要付费申请

参考资料

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

2 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。

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 — 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