刺绣艺术赏析与手作实践(24春1)
本课程讲授国内外刺绣艺术种类及风格鉴赏,学习棉线刺绣的基础知识和多种基础针法,学习使用刺绣所需线材及工具。使学生了解刺绣图案的设计、掌握拓图方法,绣制令人心仪的刺绣作品,用所学的技法完成刺绣成品并进行展示。本课程旨在为工科学生提供美学艺术滋养,锻炼动手设计能力,提高学生的美学素质。
宽带光接入技术(23秋)
《宽带光接入技术》是一门通信工程专业的专业选修课,研究的是宽带光接入的重要发展方向—无源光网络PON接入技术。本课程介绍了宽带光接入技术的发展历程、上/下行网络的接入方法、各种PON接入的关键技术,以及动态带宽分配技术。本课程可以作为通信专业学生学习光纤通信知识的后续补充。
刺绣艺术赏析与手作实践(2023秋季)
本课程讲授国内外刺绣艺术种类及风格鉴赏,学习棉线刺绣的基础知识和多种基础针法,学习使用刺绣所需线材及工具。使学生了解刺绣图案的设计、掌握拓图方法,绣制令人心仪的刺绣作品,用所学的技法完成刺绣成品并进行展示。本课程旨在为工科学生提供美学艺术滋养,锻炼动手设计能力,提高学生的美学素质。
传感器技术及应用
传感器技术及应用是信息工程专业的专业方向课。本课程的主要教学目的包括:了解传感器技术的基本概念、基本理论、发展方向以及无线传感器网络技术;掌握常用传感器的工作原理、主要特性和应用;在上述基础上,要求学生具备一定的传感器设计、无线传感器组网设计与实现的能力。
本课程设定三个教学目标:
(1)理解传感器技术的基本概念和基本原理,了解典型应用,重点掌握一些常用传感器的信号选择方式和测量转换电路;依据传感元件及测量转换电路,能分析传感器的工作原理;具有一定的传感器电路计算能力。
(2)根据特定传感器的需求分析,确定设计目标,分析影响设计目标和技术方案的各种限制和矛盾因素,并以此设计传感器解决方案。
(3)具备传感器设计能力。基本设计能力:针对特定需求,能基本设计传感器方案。灵活设计能力:针对同一检测量,能设计不同原理的传感器;针对同一原理的传感器,能应用于不同物理量的检测;针对同一传感器,能设计不同变换电路。方案改进能力:对于传感器的多个解决方案,能够从多角度进行分析和比较,并根据问题特征选择传感器的研究路线以及设计实验方案。
计算机视觉中的深度学习
本课程教授应用深度学习最新成果解决围绕图像分类和理解的计算机视觉实际问题。
近几年人工智能已然成为科技、产业乃至整个经济的特征。经过结构改进(引入反馈)的人工神经网络CNN有效解决了非线性分类问题,使得人工智能的准确率提高了10个百分点,满足实用要求。结合日益有效、经济的GPU硬件加速,人工智能高涨、遍及社会各个角落,也深深影响到本学院的科研和研究生培养工作。珠江三角洲面向硕士毕业生的深度学习岗位年薪高出其它岗位5万多。2017年秋季招聘,信息、计算机等数个学院中最高30万年薪的Offer便是深度学习的数据挖掘岗位。造就2019年“华为百万年薪少年”的领域是深度学习、视频、流媒体。本学院已于2019年5月开通深度学习服务器集群,使用最高规格的Nvidia Tesla P100加速深度学习。本学院很多科研工作也逐步转入深度学习应用,尤其那些涉及图像、视频的科研工作、项目。本学院在这方面的理论课程充足、完备:《数字图像处理》、《数字视频处理》、《计算机视觉》、《机器学习》等。问题在于如何尽快从这些课程和相关论文、书籍的理论转入到实践,进行科研、创新,也使得学校购入的包括深度学习服务器集群和后续的仪器、设备物尽其用、充分发挥效能。这方面的特殊性一是众多现成的开源资源。有效利用可大幅缩短迈入实践的时间。实际上庞大的人工智能产业均建筑于几个开源代码上,尤其Google的Tensorflow、Facebook的Caffe2和Torch(两者合为PyTorch)。二是Python成为调用这些资源最简洁方式。寥寥几句Python代码便可完成复杂人工智能处理。
特在此申请开设本课程促进上述深度学习的理论过渡到实践。本课程选用Adrian Rosebrock编写的《Deep Learning for Computer Vision With Python》作教材。其PDF文档和中文译文广泛流传于深度学习社交网站和群组。作为网上“你现在应该阅读的7本最好的深度学习书籍”的最新条目,该书理论与实践相结合,进一步巩固深度学习的基础、原理。并且清晰易懂,使得看似复杂的算法和技巧变得易于掌握和理解。书中包含很多先进的深度学习技术如物体识别(猫、狗、车辆等)、破解图片验证码、人脸特征点检测、人面部表情(喜怒哀乐)检测、人性别和年龄判断、多GPU训练等,更提供可上机实现的包含LeNet/GoogleLeNet、ResNet、SqueezeNet、VGGNet等人工神经网络在内的根据一百二十多万张ImageNet图片数据集的最前沿研究成果。书中许多实用技巧和建议,很少包括在其他书籍或大学课程中。
工学一号馆403实验室多年积累的多媒体方向的实践教学和实验室建设为本课程的开设、开展提供有力支撑。为顺应科技、产业的风向转变和发展,该实验室通过本科毕业设计及其之前的移动多媒体方向综合课程设计、部分硕士生的研究工作从TI DSP芯片、传统视频的实时通话和流媒体点播转到深度学习在图像和视频的应用。迄今已经实现OpenCV、HTML5网页、安卓页面为视频输入输出前端以及WebRTC实时视频通话中的人脸特征点检测、喜怒哀乐等人面部表情检测、人性别和年龄判断、物体识别、人体姿态识别。在2019年度实验室建设中更计划增添支持全景播放与深度学习加速的无线终端、全景摄像机、安卓开发与网络视频智能处理的工作站等一批仪器、设备,以推进这方面的实践教学。毕竟教学内容非纸上谈兵:不仅依赖于实验室及其仪器、设备,更仰仗师资的经验、技巧、成果。
高级语言程序设计(24春)
《高级语言程序设计》是通信工程、电子信息类专业的一门专业基础课。内容包括C语言设计以及数据结构两大部分,系统学习C语言的基本知识和基本语法,掌握数据的组织方法、存储数据的结构及在结构上执行的操作。通过本课程学习,训练学生解决问题的逻辑思维能力、编程思路和技巧,使学生具有较强的利用C语言编写软件能力;训练学生掌握多种数据结构的特点、存储表示、运算方法及在计算机科学中的基本应用,培养、训练学生选用合适的数据结构和编写高质量应用程序的能力,为后续课程学习打下良好的理论基础和实践基础。
通信电路与系统(24春)
《通信电路与系统》课程是通信工程、电子信息类专业的专业基础课之一。课程主要介绍无线电通信系统中涉及的高频功能电路的组成、功能及工作原理和分析方法。通过本课程的学习,可以使叙述系统、完整地掌握高频电子线路的基本概念和基本理论,掌握各种高频功能电路的结构、原理、分析方法和参数计算。
数字图像处理(2021-2023)
数字图像处理是信息工程专业的一门专业核心课程。本课程学习的目的在于使学生了解数字图像处理的基本概念、基本原理和基本方法,重点掌握典型的数字图像处理任务的四大主要知识模块:图像增强、图像分割、图像表示与描述、图像识别。在上述基础上,要求学生具有一定的图像处理方案设计能力和编程实现能力。
本课程的学习目标包括三个方面:
(1)掌握和理解图像处理(主要包括图像增强、图像分割、图像描述和图像识别)的基本原理及方法。
(2)分析影响设计目标和技术方案的各种限制和矛盾因素。
(3)根据问题特征选择图像处理的研究路线以及设计实验方案。
机器嗅觉概论(仿生嗅觉原理与应用)
该课程主要讲述仿生嗅觉原理、系统构成及应用三个方面介绍仿生嗅觉的生理 学基础和系统原理与技术,旨在让学生认识理解仿生嗅觉系统的原理及应用。 详细讲授每章的内容,结合国内外相关课程知识,定期在课堂上同步讲解最新 科研成果相关知识,结合实验理解理论知识,做到理论知识与具体实践相结合。
- Previous page
- 1(current)
- 2(current)
- 3(current)
- 4(current)
- 5(current)
- 6(current)
- 7(current)
- 8(current)
- 9(current)
- 10(current)
- 11(current)
- 12(current)
- 13(current)
- 14(current)
- 15(current)
- 16
- 17(current)
- 18(current)
- 19(current)
- 20(current)
- 21(current)
- 22(current)
- 23(current)
- 24(current)
- 25(current)
- 26(current)
- 27(current)
- 28(current)
- 29(current)
- 30(current)
- 31(current)
- 32(current)
- 33(current)
- 34(current)
- 35(current)
- 36(current)
- 37(current)
- 38(current)
- 39(current)
- 40(current)
- 41(current)
- 42(current)
- 43(current)
- 44(current)
- 45(current)
- 46(current)
- 47(current)
- 48(current)
- 49(current)
- 50(current)
- 51(current)
- 52(current)
- 53(current)
- 54(current)
- 55(current)
- 56(current)
- 57(current)
- 58(current)
- 59(current)
- 60(current)
- 61(current)
- 62(current)
- 63(current)
- 64(current)
- 65(current)
- 66(current)
- 67(current)
- 68(current)
- 69(current)
- 70(current)
- 71(current)
- 72(current)
- 73(current)
- 74(current)
- 75(current)
- 76(current)
- 77(current)
- 78(current)
- 79(current)
- 80(current)
- 81(current)
- 82(current)
- 83(current)
- 84(current)
- 85(current)
- 86(current)
- 87(current)
- 88(current)
- 89(current)
- 90(current)
- 91(current)
- 92(current)
- 93(current)
- 94(current)
- 95(current)
- 96(current)
- 97(current)
- 98(current)
- 99(current)
- 100(current)
- 101(current)
- 102(current)
- 103(current)
- 104(current)
- 105(current)
- 106(current)
- 107(current)
- 108(current)
- 109(current)
- 110(current)
- 111(current)
- 112(current)
- 113(current)
- 114(current)
- 115(current)
- 116(current)
- 117(current)
- 118(current)
- 119(current)
- Next page
