- 1.1.1]--0緒論授課視頻
- [1.2.1]--1-1基本概念授課視頻
- [1.3.1]--1-2基本概念(續(xù))授課視頻
- [1.4.1]--1-3圖像直方圖授課視頻
- [1.6.1]--課程實驗平臺介紹視頻
- [1.6.2]--實驗環(huán)境安裝配置,請務(wù)必觀看!
- [1.7.1]--實驗一圖像顯示~1
- [1.8.1]--實驗二圖像直方圖視頻
- [2.1.1]--2.1引言
- [2.2.1]--2。2灰度變換授課視頻
- [2.3.1]--直方圖均衡授課視頻
- [2.4.1]--2-4代數(shù)運算授課視頻
- [2.5.1]--2-5空間域濾波授課視頻
- [2.6.1]--2-6空間域濾波中值濾波
- [2.7.1]--2-7空間域濾波高通
- [3.1.1]--2.8二維傅里葉變換定義授課視頻
- [3.2.1]--2.9二維傅里葉變換性質(zhì)授課視頻
- [3.3.1]--2.10頻域濾波低通授課視頻
- [3.4.1]--2.11頻域濾波高通授課視頻
- [3.5.1]--2.12頻域濾波同態(tài)濾波授課視頻
- [4.1.1]--實驗三直方圖均衡
- [4.1.2]--實驗平臺介紹
- [4.1.3]--實驗平臺設(shè)置
- [4.2.1]--實驗四均值高斯低通濾波視頻
- [4.3.1]--實驗五中值濾波視頻
- [5.1.1]--3.1形態(tài)學基本概念視頻
- [5.2.1]--3.2形態(tài)學處理算法
- [5.3.1]--3.3圖像形態(tài)學處理應(yīng)用視頻
- [6.1.1]--實驗七圖像形態(tài)學處理
- [7.1.1]--4.1圖像分割引言
- [7.2.1]--4.2基于閾值的分割算法
- [7.3.1]--4.3基于邊緣的分割算法
- [7.4.1]--4.4霍夫變換
- [7.5.1]--4.5基于區(qū)域的分割算法
- [8.1.1]--5.1人工智能簡介
- [8.2.1]--5.2機器學習引言
- [8.3.1]--5.3貝葉斯公式
- [8.4.1]--5.4貝葉斯決策--最小錯誤率決策
- [8.5.1]--5.5貝葉斯決策--最小風險決策
- [8.6.1]--5.6判別函數(shù)(上)
- [8.7.1]--5.7判別函數(shù)(下)
- [8.8.1]--5.8概率密度估計--參數(shù)法
- [8.9.1]--5.9概率密度估計--非參數(shù)法
- [9.1.1]--6.1人工神經(jīng)網(wǎng)絡(luò)引言
- [9.2.1]--6.2單層神經(jīng)網(wǎng)絡(luò)
- [9.3.1]--6.3多層神經(jīng)網(wǎng)絡(luò)
- [10.1.1]--7.1引言
- [10.2.1]--7.2卷積神經(jīng)網(wǎng)絡(luò)
- [10.3.1]--7.3深度學習網(wǎng)絡(luò)
- [11.1.1]--8.1聚類算法
- [11.2.1]--8.2主成份分析(上)
- [11.3.1]--8.3主成份分析(下)
- [12.1.1]--9.1.1復雜背景下的人臉檢測算法預(yù)處理
- [12.1.2]--9.1.2復雜背景下的人臉檢測算法特征提取
- [12.1.3]--9.1.3復雜背景下的人臉檢測算法分類器設(shè)計
- [12.2.1]--9.2基于深度學習的車輛檢測算法
- [13.1.1]--大作業(yè)(上)車牌檢測與字符分割
- [13.1.2]--車牌檢測與字符分割演示視頻
- [13.2.1]--大作業(yè)(下)車牌字符識別
- [14.1.1]--實驗平臺搭建設(shè)置
《機器學習、數(shù)字圖像處理》是為高等院校和科研院所招收農(nóng)業(yè)(包括電子信息、人工智能、智慧農(nóng)業(yè)領(lǐng)域)碩士專業(yè)學位研究生設(shè)置的基礎(chǔ)課選拔性考試科目,其目的是科學、公正、有效地測試考生是否具備攻讀電子信息工學碩士專業(yè)學位應(yīng)具備的知識、能力和素養(yǎng)要求,為各高等院校和科研院所提供擇優(yōu)錄取的依據(jù)。評價的標準是高等學校相關(guān)學科較優(yōu)秀的本科畢業(yè)生所能達到的及格或及格以上水平,以利于擇優(yōu)選拔,確保碩士研究生的招生質(zhì)量。
隨著互聯(lián)網(wǎng)及信息技術(shù)的高速發(fā)展,人們對人工智能應(yīng)用的需求也更加廣泛和迫切。“圖像處理與機器學習”是人工智能應(yīng)用領(lǐng)域中不可或缺的重要技術(shù);是信息科學、計算機科學、自動化科學等學科學習和研究的對象。
“圖像處理”是利用計算機對視覺信息(數(shù)字圖像)進行處理;“機器學習”是使計算機具有分析和理解能力。本課程詳細講授“圖像處理與機器學習”的原理、方法及技術(shù)。學生通過該課程的學習,可以掌握圖像增強、圖像分割及圖像分析與理解等方面的知識與技能,從而成為信息技術(shù)領(lǐng)域的工程師。
課程包含“數(shù)字圖像處理”與“機器學習”兩部分。“數(shù)字圖像處理”主要包括圖像增強、形態(tài)學處理、圖像分割等。“機器學習”部分主要包括貝葉斯決策、人工神經(jīng)網(wǎng)絡(luò)以及深度學習導論。
課程以理論為基礎(chǔ)、以實踐為導向、以應(yīng)用為目標。在講授相關(guān)知識點及算法原理的同時,設(shè)計了具有實際應(yīng)用背景的相關(guān)基礎(chǔ)實驗。此外,為提高學生解決人工智能應(yīng)用領(lǐng)域中的實際工程問題的能力,課程以授課教師的科研項目為基礎(chǔ),設(shè)計了綜合性應(yīng)用專題。為體現(xiàn)課程的實踐性,基礎(chǔ)實驗與綜合專題均以VC++和Pathon為編程工具。
為開闊學生視野,緊跟信息技術(shù)最新進展,課程還包括若干“圖像處理與機器學習”的科研專題,如基于深度學習的簽名認證算法研究、抑郁癥MRI圖像分類算法研究等。
學生通過本課程的學習,夯實理論基礎(chǔ)、強化動手能力、提升綜合素質(zhì),成為人工智能應(yīng)用領(lǐng)域的工程師。
