01

神经网络基础

需要理解神经网络的基本原理，能够利用梯度下降法推导网络的训练过程；熟悉网络训练过程中的常见问题以及优化方法

课时

1.1 神经网络基础

1.2 前向神经网络模型

1.3 神经网络训练与优化

1.4 OpenVINO工具包的安装和配置

1.5 人工智能与边缘计算

1.6 机器视觉简介

1.7 交通灯车流检测Demo

02

卷积神经网络基础

深刻理解卷积操作；熟悉常见的卷积神经网络算法的基本原理；使用常见的卷积神经网络解决典型的图形处理问题；了解OpenVINO以及安装和配置

课时

2.1 机器视觉与深度学习

2.2 卷积神经网络基础

2.3 AlexNet卷积神经网络

2.4 VGG卷积神经网络模型

2.5 Inception系列卷积神经网络模型

2.6 ResNet系列卷积神经网络模型

2.7 OpenVINO平台简介

2.8 OpenVINO使用

03

目标检测基础

理解典型的目标检测算法原理；使用OpenVINO实现目标检测算法于经典情景

课时

3.1 目标检测的基本概念

3.2 基于候选区域的目标检测R-CNN

3.3 Fast R-CNN目标检测算法

3.4 Faster R-CNN目标检测算法

3.5 Yolo目标检测算法

3.6 SSD目标检测算法

3.7 MobileNet目标检测算法

3.8 基于OpenVINO的手写体识别

04

基于OpenVINO的目标识别平台

使用OpenVINO实现典型目标检测；推理引擎应用

课时

4.1 使用OpenVINO工具包实现目标检测的过程

4.2 模型优化器和推理引擎的使用

4.3 基于OpenVINO的车牌识别

05

基于OpenVINO的边缘计算应用

学习使用OpenVINO解决实际问题的思路以及实现方法

课时

5.1 智能交通灯控制

5.2 智慧教室

5.3 危险品识别

06

综合实训：使用OpenVINO解决实际问题

使用OpenVino的实践和创新型应用

课时

使用OpenVino解决实用边缘计算场景的新问题

6.1 实训项目1 导盲系统

6.1 实训项目2 野生动物数量估计