深度学习与应用

课程编码：125100M05028Z 英文名称：Deep Learning and Application 课时：32 学分：2.00 课程属性：专业普及课 主讲教师：齐志泉

让学生对深度学习概念有初步认识和了解，并能对现实遇到的问题进行归类，进而判断是否能通过深度学习算法来解决。

机器学习

第一章 人工智能基本算法简介 2学时
第1节 人工智能在不同领域已有的研究成果 2学时
第二章 深度学习方法及常用技巧 10学时
第1节 简要回顾机器学习基础知识 2学时
第2节 深度神经网络的原理 4学时
第3节 前馈网络和反向传播算法 4学时
第三章 深度学习常用的模型 10学时
第1节 LeNet,AlexNet 2学时
第2节 VGG 2学时
第3节 GoogLeNet 2学时
第4节 ResNet 2学时
第5节 EfficientNet 2学时
第四章 深度学习应用（一） 5学时
第1节 深度学习在图像识别中的应用 1学时
第2节 深度学习在目标检测中的应用 2学时
第3节 深度学习在图像分割中的应用 2学时
第五章 深度学习应用（二） 5学时
第1节 深度学习在图像去噪中的应用 2学时
第2节 深度学习在图像超分辨率中的应用 2学时
第3节 深度学习在其它生成任务中的应用 1学时

齐志泉老师现为中科院副研究员。以第一作者或通讯作者身份，在国内外主流期刊上（如：IEEE Trans. Neural Networks and Learning(中科院一区)、IEEE Trans. Image Processing (中科院一区)、 IEEE Trans. Cybernetics(中科院一区)、IEEE Trans. Intelligent Transportation Systems( 中 科 院 二 区 ， 领 域 TOP) 、 Neural Networks(中科院一区)、Pattern Recognition(中科院二区)等）发表 SCI 文章 30 余 篇，国际会议（包括 NeurlPS、AAAI、KDD 在内的 CCF A 类会议）10 余篇。 学 术影响包括：Google 学术引用 1800 余次，被评为十年间累计被引用次数进入各学科世界前1%的高被引ESI 论文：4 篇（其中一篇高被引是关于工业缺陷检测方面的研究，与高铁研究内容直接相关，目前被公开引用超过百次，受到同行的广泛认可）。 1 篇以第一作者身份发表的论文获得计算机领域期刊《Pattern Recognition》评选出的年度最佳论文奖。