自主学习报告

《机器视觉与边缘计算应用》的课程目标为熟悉目标检测的常用算法，并在此基础上应用OpenVINO平台，实现典型的机器视觉应用。学习该课程前需要掌握机器学习的基本原理，了解深度神经网络的常用算法更佳，也需要一定的Python编程基础。

该课程大纲有六个模块（15周学习时间）：

1.神经网络基础（需要理解神经网络的基本原理，能够利用梯度下降法推导网络的训练过程；熟悉网络训练过程中的常见问题以及优化方法。）（1-3周）

2.卷积神经网络基础（深刻理解卷积操作；熟悉常见的卷积神经网络算法的基本原理；使用常见的卷积神经网络解决典型的图形处理问题；了解OpenVINO以及安装和配置。）（4-6周）

3.目标检测基础（理解典型的目标检测算法原理；使用OpenVINO实现目标检测算法于经典情景。）（7-9周）

4.基于OpenVINO的目标识别（使用OpenVINO实现典型目标检测；推理引擎应用。）（10-11周）

5.基于OpenVINO的边缘计算应用（学习使用OpenVINO解决实际问题的思路以及实现方法。例如：智能交通灯控制、车道识别等。）（12-13周）

6.使用OpenVINO解决实际问题。（使用OpenVino的实践和创新型应用：使用OpenVino解决实用边缘计算场景的新问题。）（14-15周）

根据网络授课教师制定的学习进度、一起学习的同学分享的培训课程和配合相应的网站练习（https://software.intel.com/content/www/us/en/develop/tools/devcloud/edge/learn/certification.html?wapkw=Edge%20AI）学习，可更容易了解Intel公司的机器学习开源平台OpenVINO的安装和使用，在此基础上通过实验的方式，详细地介绍实现机器视觉在车牌识别、智能交通灯控制、智慧教室、危险品识别等典型应用领域的过程。