          機器視覺與邊緣計算應用培訓

01
神經網絡基礎
需要理解神經網絡的基本原理，能夠利用梯度下降法推導網絡的訓練過程；熟悉網絡訓練過程中的常見問題以及優化方法。

1.1 神經網絡基礎
1.2 前向神經網絡模型
1.3 神經網絡訓練與優化
1.4 OpenVINO工具包的安裝和配置
1.5 人工智能與邊緣計算
1.6 機器視覺簡介
1.7 交通燈車流檢測Demo
1.8 課程基礎概述
02
卷積神經網絡基礎
深刻理解卷積操作；熟悉常見的卷積神經網絡算法的基本原理；使用常見的卷積神經網絡解決典型的圖形處理問題；了解OpenVINO以及安裝和配置。

2.1 機器視覺與深度學習
2.2 卷積神經網絡基礎
2.3 AlexNet卷積神經網絡
2.4 VGG卷積神經網絡模型
2.5 Inception系列卷積神經網絡模型
2.6 ResNet系列卷積神經網絡模型
2.7 OpenVINO平臺簡介
2.8 OpenVINO使用
2.9 OpenVINO human pose estimation實驗
03
目標檢測基礎
理解典型的目標檢測算法原理；使用OpenVINO實現目標檢測算法于經典情景。

3.1 目標檢測的基本概念
3.2 基于候選區域的目標檢測R-CNN
3.3 Fast R-CNN目標檢測算法
3.4 Faster R-CNN目標檢測算法
3.5 Yolo目標檢測算法
3.6 SSD目標檢測算法
3.7 MobileNet目標檢測算法
3.8 基于OpenVINO的手寫體識別
04
基于OpenVINO的目標識別
使用OpenVINO實現典型目標檢測；推理引擎應用。

4.1 使用OpenVINO工具包實現目標檢測的過程
4.2 模型優化器和推理引擎的使用
4.3 基于OpenVINO的車牌識別
05
基于OpenVINO的邊緣計算應用
學習使用OpenVINO解決實際問題的思路以及實現方法。

5.1 智能交通燈控制
5.2 智慧教室
5.3 危險品識別
5.4 車道檢測
06
綜合實訓：使用OpenVINO解決實際問題
使用OpenVino的實踐和創新型應用：使用OpenVino解決實用邊緣計算場景的新問題。

6.1 實訓項目1 導盲系統
6.1 實訓項目2 野生動物數量估計