【科研推荐】AI人工智能与机器学习：图形图像处理与应用 ...
适合人群
适合年级 (Grade): 高中生/大学生
适合专业 (Major): 对人工智能、机器学习、深度学习、计算机科学、计算机工程、数据科学、通信以及交叉学科和方向感兴趣的学生；
学生需要具备微积分及线性代数基础，能够使用Python或者Matlab实现常见数据结构与算法
项目背景
1956年达特茅斯会议以来，人工智能已走过60年的风风雨雨，期间历经两次繁荣与低谷，喧嚣与沉寂。
千禧年后，大数据的蓬勃发展和算力的指数级增长赋予了深度学习新的生机。深度学习如破竹之势将机器辅助功能变为可能，让人工智能在各个应用领域实现落地。
其中，人工智能一个重要的研究方面就是计算机视觉。
“计算机视觉是一门研究如何使机器‘看’的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量，其本质是模拟人类的感知与观察的一个过程。”
据国金证券发布的调研报告称，计算机视觉是AI领域应用场景最丰富、商业化价值最大的领域，占中国AI市场的34.9%，排名第一。
目前，相关技术已经在金融、自动驾驶、医疗、安防、互动娱乐等多个应用场景落地。
计算机视觉背后的深度学习知识有哪些？
如何将这些知识与实践相结合？
项目将使用Jupyter Notebook和Python，帮助学生从头开始创建计算机视觉模型。
项目介绍
项目涵盖计算机视觉领域的常用深度学习方法和前沿技术，比如生成模型、计算机视觉API、AutoML Vision。项目结束后，学生将完成两页Jupyter Notebook形式的报告，创建计算机视觉应用程序部署在边缘推理平台，进行成果展示。学生将能够从头开始建立计算机视觉模型，将计算机视觉模型应用于边缘端机器学习硬件。
个性化研究课题参考：
基于计算机视觉的动态手势识别
应用计算机视觉对果蔬表面缺陷的判别研究
深度测量及物体三维模拟重构
项目大纲
人工智能与深度学习 Introduction to artificial intelligence：
machine learning and deep learning
图形图像处理 Introduction to computer vision：
images storage, color spaces, and basic CV techniques
边缘检测等计算机视觉技术 Digging deeper into computer vision：
filters, gradients, edge detection, texture, color, and segmentation
物体识别 Object recognition
学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路
学术研讨2：学生将在本周课前完成程序设计原型及伪代码，教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出
项目成果展示 Final Presentation
项目收获
如果您有感兴趣的项目
或者想咨询其他更多项目
欢迎随时联系我们哦！
页:
[1]