《深度学习与计算机视觉》课程描述#

本稿依据2026年9月14日V1.1结构重构讨论包，于2026年9月16日整理用于经授权的课程公开阅读。发布不代表正式教学采用或学校审批通过。本轮未开展模型训练、实物试教或性能实测；下述成果均为教学目标。

课程定位#

《深度学习与计算机视觉》是“智能·创造者”创新实验班S2阶段的实验班专业课，承接S1《人工智能数据科学》中的机器学习与模型训练基础。课程以Ego Link随身智能终端及学生持续项目为载体，与《端侧智能推理系统MVP》《AI交互原型与用户体验设计》围绕共同产品逐周迭代。从真实IMU数据的有限状态判断起步，逐步加入图像感知、目标识别、视觉解释与多源证据利用，结合使用中发现的问题开展模型训练、评价、部署适配和反馈改进。

学生在实现与验证产品增量的过程中，学习神经网络与反向传播、一维与二维卷积、特征学习、迁移学习、目标检测、视觉表征和视觉语言模型的关键原理。通过真实参数更新、同条件比较、独立测试和个人现场解释，形成依据真实数据和产品表现选择、实现与持续改进智能感知能力的素养，为后续多模态智能感知与具身智能系统学习奠定基础。课程共108学时。

学习主线#

教学主线：同源真实IMU判断→小型一维网络与跨姿态验证→同产品视觉预览与CNN训练→按需拍摄、限定物品检测与反馈→带来源的视觉检索、图像解释和复核后再训练→目标端一致性、独立评价与个人迁移。

共同产品限定为“Ego Link随身终端：设备状态与环境查看原型”。每周先定位上一版问题，明确本周能观察或复测的变化，再讲必要原理、实际训练和验证。画面可用性是视觉入口子任务，不再代表整门课程的全部目标。产品增量也可以是错误减少、响应改善、旧值不误作新观测或异常更易解释，不要求每周增加器件、页面或模型。

学习成果#

学生应形成同一产品工程中的可追溯数据与拆分、小型1D CNN和学生自建2D CNN训练、迁移分类头训练或有限微调、有限检测训练、真实视觉嵌入及VLM核验、复核反馈后的再训练、跨环境一致性和独立评价证据，并完成一项个人模块迁移。原始数据与大权重按授权单独保存，Git维护代码、配置、说明和必要受控索引。

S1已学机器学习与模型训练按用户确认承接，但具体选学模块、框架、神经网络深度和现成权重不作推定。第一周用短诊断核对已有代码和理解，缺项就地补齐；当前任务的标签、通道与分布仍须重新核验。不能把旧任务模型直接当成本次IMU模型，也不能把一维卷积权重直接改形当作视觉模型。

六个产品阶段#

前导、同期与后续#

评价与实施边界#

保留过程性70%、成果性20%、综合性10%的建议结构，按六类目标评价原理、数据、真实训练、效果、协同迁移和职业素养，不按统一准确率、提交次数或独立实验数量评分。具体取证见课程标准和授课计划。

前三周18学时主要使用IMU，第4—12周54学时以视觉为主体，后六周36学时继续检查视觉结果与模型评价。至少一条轻量模型真实目标端推理为协同验证目标；较重检测与VLM可在电脑、边缘或服务器运行，分别注明位置。导出成功不等于实机通过，语音服务接入不等于语音模型训练，模型输出不作人体健康、危险或精确地理位置判断。

版本依据#

主要依据为《S2三课产品迭代_视觉课重构研究_V1.1_20260914》中的重构研究、18周总表、前三周实施示例、原理与训练覆盖清单、修订任务书及planning JSON；V1.0三正文仅作为保留与差异对照。2026年9月16日另核对当前UX V2.1三正文、S1已有课程材料与内部人培工作稿的相关条款。上述依据核对不将计划当作已实施证据，不随本课程公开内部人培或人员资料。

下载课程描述 Markdown · 源提交（维护者需授权登录）

《深度学习与计算机视觉》课程标准#

依据2026年9月14日V1.1结构重构讨论包，于2026年9月16日整理用于经授权的课程公开阅读。本文是修订稿，尚不代表正式教学采用或学校审批；本轮未开展模型训练、实物试教或性能实测。文稿成稿不等于教案、Notebook、HTML课件、模型或实机验证已完成。

一、课程基本信息#

二、课程定位与衔接#

课程承接S1《人工智能数据科学》中的机器学习与模型训练基础，以“Ego Link随身终端：设备状态与环境查看原型”为共同载体。按“上一版问题—本周产品变化—必要原理—真实训练—同产品验证”组织学习。从同源真实IMU的有限判断进入一维网络，再在同一工程加入视觉预览、二维CNN、迁移学习、有限检测、视觉检索与图像解释，利用经复核的反馈改进模型，完成跨运行环境核对、独立评价和个人迁移。

本课主责数据、模型原理、训练、评价和结果证据。端侧课主责采集驱动、转换部署、运行资源、功耗与恢复；交互课主责采集—VPS—Web应用链路、用户任务、语言/语音、状态、反馈和体验。主责界定评价重点，不禁止跨层实现；三课不另建三套平台、数据集或演示。

S1材料中的感知模块存在选学安排，不能推定所有学生已掌握CNN或同一套IMU模型。第一周用已有代码和真实短片段诊断学习情况，缺项嵌入任务补齐；已有方法可复用，现成权重的存在、标签、通道和适用分布须另行核验。数理综合(2)提供计算支撑，后续多模态感知、具身系统等课程深化长期记忆、深层融合和复杂定位。本课教学支撑关系不自动升为教务强制先修。

三、六类课程目标#

四、课程结构与学时#

每周三个2学时段，原理与操作穿插。第1—3周18学时主要使用IMU，第4—12周54学时以视觉为主体，第13—18周36学时综合视觉、模型与产品验证，后六周不得全部改成文档或发布管理。

第9、15、17周分别含1、1、2学时集中排错与补验，已计入72实践学时。检查、评价和共同演示嵌入原课堂，不另加课时；同一段共同活动时间不能重复计入三课。三课学期安排合计108＋108＋72＝288学时，本稿不重定另两课的理实比例。

五、单元教学设计#

单元1：让设备状态可见且可判断#

任务是在同一块设备的真实IMU记录上，形成有限状态判断并接回产品。第一周复用S1特征处理与训练代码建立当前任务基线；第二周训练原始序列小型1D CNN，与同次远程采集请求关联；第三周检查换姿态、操作者与过渡片段后的错误，并与实体按键/反馈区分。

重点为采样与上报、窗口和时间语义、局部连接与参数共享、实际反向更新；难点为分组拆分、连续窗口泄漏、分类错误与事件误触发的区别。采用短诊断、数值计算、同输入对照和现场解释。评价查看真实片段、参数更新、独立加载、请求关联与一项真实错误，不把运动判断外推为人的跌倒、健康或危险识别。

单元2：让状态可查询并具备视觉能力#

在同一工程建立视觉开发预览：第四周训练学生自建小型2D CNN，第五周训练迁移分类头或有限微调，第六周稳定推理入口，为第七周正式按需图像链路提供候选。交互课的文字/语音主线继续使用已有状态结果，不等待新的视觉模型成功。

重点为二维卷积、通道、池化、感受野、冻结与微调、训练/推理差异；难点为有限数据条件下的泛化与公平比较。使用授权真实图像、小模型和同拆分对照，检查曲线、输入形状、参数量、train/eval、保存加载与失败样例。相机未就绪时如实使用共享相机或授权历史图，不停止已有IMU链路，也不把历史图标成实时。

单元3：让拍摄、识别与反馈成为完整体验#

第七周将已有视觉候选接到本次拍摄，核对颜色、缩放和设备域变化；第八至九周围绕限定物品完成真实框标注、有限检测训练及前后对比。画面可用性与物体类别/位置分开解释，检测预览仍在同一工程，不强制交互课提前更换共同必修界面。

重点为分类与检测、框坐标、IoU、分类/定位损失、NMS和评价口径；难点为误检漏检、负样本、阈值及事件级误触发。按课前预演限制类别与训练规模，评价必须看到实际参数更新、可加载权重、至少一个可重算IoU和失败对照。第九周数据属于开发/中期验证，不冒称最终独立测试。

单元4：让多源证据与用户纠错改善判断#

第十周用真实视觉嵌入回查相似图与失败样例，保留来源和时间；第十一周用VLM处理真实图像与有限结构化证据，并核验事实、未知和格式；第十二周区分偏好、错误标签和新样本，复核后再训练小模型或分类头，保留旧任务回归与可用旧版。

重点为向量相似度、图像分块、注意力、图文关联和反馈数据质量；难点为异步证据、相似不等于同地点、模型推断不等于原始事实、用户拒绝提醒不等于标签错误。通过小规模注意力计算、真实检索、人工事实核验与一次可复现更新评价。不得把偏好即时保存称作在线模型学习，不要求大型ViT/VLM预训练。

单元5：让必要能力本地可用并能恢复#

第十三周对照同一输入在训练环境和真实目标端的结果；第十四周检查断网、缺样和缓存补传；第十五周分层复现、修复跨端不一致、迟到及重复问题，回归后冻结下一周评价版本。早期已做结构和算子预检查，本阶段不是首次关注部署。

重点为预处理/标签一致、量化尺度、输入范围、模型体积与峰值内存的区别；难点为流式窗口完整性、旧结果的时间语义和模型/系统原因分离。端侧课提供真实运行条件和资源/能耗记录，本课分析输出及任务效果，不以软件电源状态或模型文件导出替代实机和功耗测量。无法上板时先验证参考运行环境，目标端仍标待补验。

单元6：在使用中验证、改进与迁移#

第十六周冻结模型、阈值、预处理和程序后使用独立测试，与用户任务记录对应；第十七周迁移一项视觉模型、数据或解释方法到个人持续项目，进行现场小修改；第十八周在真实新输入及故障情境下复现模型，说明从S1基线到当前能力的演进和局限。

重点为独立评价、条件覆盖、小样本局限、个人理解和可复现交付；难点为测试后改模和新任务指标不可直接继承。使用真实计数、同伴复现、个人解释和小修改评价。测试用于改进后降为开发/回归依据，主模型更新须另取独立测试；不得为完成材料补造指标、用户或训练结果。

六、原理与训练最低覆盖#

最低数学实践还包括小数值加权和、交叉熵与一次梯度更新，一层卷积的输出及参数量，混淆矩阵/F1、IoU和余弦相似度。完整网络求导证明不作开工门槛，但关键计算必须能解释并与运行代码核对。

复杂分割、跟踪、完整视觉定位、深层多模态融合、长期记忆和大型模型训练为提高或后续范围，不偷偷变成108学时必修。语音识别/合成由交互课接入，服务调用不计为语音模型训练；上位培养要求仍须课程组另行核对。

七、数据、模型与三课交接#

数据与测试纪律#

先采集与授权、登记来源和单位、复核标签，再按采集会话/连续片段/场景等真实相关组划分训练、验证与封存测试；窗口切片和增强在划分之后进行。同源图、相邻或重叠窗口、同源变体不得跨拆分。声明跨设备/场景泛化须覆盖未见设备/场景，不能仅执行分组工具就宣称没有泄漏。

画面可用性依限定任务及人工标注定义，可用/不可用与过暗、模糊、遮挡等原因分开。无图、解码失败、缺样和通信失败是运行状态，不是模型类别。低分拒识是策略，不擅自变成已具有充分样本的第三类。样本规模按课堂训练预演决定；不复制样本凑数，不把连续帧数量当独立样本数。

训练与比较说明固定和变化的因素、数据拆分、输入、预算及环境。保留S1基线，不要求复杂模型一定胜出。第十五周回归冻结，十六周开展最终独立评价；中期失败样例可用于开发，最终测试不可用于选模型和阈值。反馈样本须复核后进入训练/验证，不污染封存测试。

最小交接#

交接包含权重或受控索引、训练/推理入口、环境版本、结构与标签顺序、预处理、输入来源和时间、正常/失败样例、效果记录与限制。输出关联输入记录与request_id，分开采集时刻、推理时刻、模型版本、运行状态、结果和分数类型；检测另列框格式与坐标空间。沿用实际产品协议，不另建通用大框架。

教师真实参考模型可以维持共同链路，但须标明作者与使用范围；学生训练、教师参考、共享设备和实机补验分别登记。IMU可作端侧最低可行模型，不能因此免除本课的视觉训练要求。功耗、续航及底层恢复由端侧课按实测评价，不因本课文稿成稿认定产品达标。

八、考核与目标对应#

保留70/20/10建议结构和各项权重，重排取证时段，使IMU入口、视觉真实训练、反馈改进与产品交接均可认定。P4由“视觉拓展实验”改为“产品视觉能力扩展”，不按彼此独立的实验完成数量计分。

过程评价看形成与改进，成果评价看最终运行和可复现性，综合评价看个人理解和操作。同一原始记录可支撑不同课程，但不在同一评价维度重复计分；不按统一准确率、Git提交数或材料篇数评分。

九、评价口径与达标要求#

分类评价说明正类、类别数量、混淆矩阵、precision/recall/F1及平均方式；窗口分类与事件误触发分别计数。拒识同时报告覆盖率和错误，未校准分数不当现实正确概率。检测固定框匹配、IoU、分数阈值与类别集合，AP/mAP与固定阈值计数分开。VLM统计可人工核验问题的正确、错误、未回答及格式失败，不以自报置信度取证。

性能记录设备、运行时、输入、batch、预热和次数，区分预处理、模型推理、端到端耗时；权重体积不等于峰值内存。保留种子、版本、拆分与配置，不承诺不同硬件逐位相同。更换任务后重新评价，不直接移用旧指标。

未真实训练、没有真实图像推理或无法解释本人核心工作时，对应目标登记待补验。外部设备/服务阻塞与学生能力分别认定，可先提供参考环境证据，实机或真实调用部分仍待补；教师日志和固定输出不算学生运行。诚信和严重授权问题按学校制度处理，本稿不另创处罚规则。

十、教学条件、AI协作与安全#

沿用S1及当前可维护的工具环境，教师课前核验框架、权重、数据许可、CPU回退与共享算力。可采用Python及单一成熟深度学习框架，不宣称S1全体已使用某框架；确有等价成熟环境时保持原理和证据要求，不同时建设多套平台。

预演IMU真实采样、窗口与时间；检查第4周视觉采集/解码、小型训练、检测短训练、嵌入与VLM调用的实际耗时和内存，按结果限缩规模。共享GPU、服务配额、算子支持和模型尺寸均须实核，不据文稿认定已经可用。50Hz、2秒、6通道的卷积练习仅是数值示例，不是硬件参数。

AI辅助解释、编码与排错，学生负责问题定义、数据与计算、运行核验和结论。只保存关键改动与验证，不强制交全部聊天。真实、回放、合成数据分别标记，原值、模型判断与用户动作分别保存；旧值不能重新标成新观测。

优先非敏感物品与受控设备动作；不采集连续个人监控数据，不开展人体危险、健康或身份判断。人脸、声音、位置及未授权图像不上传外部模型或公开仓库；检查敏感EXIF、账号、服务地址及凭据，数据、代码、权重分别核对许可。摄像头按需或教学事件触发，物理动作限教学设备且可人工停止。

十一、版本、来源与审核#

2026年9月14日源包为V1.1结构重构讨论稿，包含00—05研究文件、三课planning JSON、来源说明和V1.0对照正文。2026年9月16日据其产品迭代方向重构本标准，与本次课程描述及授课计划配套。当前UX V2.1源文件及本地S1、端侧试行资料仅用于差异核查，不随本稿被覆盖或认定为已经共同批准。

保留V1.0历史来源，不使用缺失附件的编号式参考文献。课程名称、108学时和三课6/6/4周学时不变；六目标与70/20/10结构保留。调整学习起点、六单元、周理实分配、训练时点和取证时段；第4周起视觉主体、后六周仍检查视觉模型，未扩充完整定位或大型模型任务。

开课前须课程组核定S1实际掌握、三课排期、同板输入、框架/算力、标签与训练预算；正式采用、学分、教务代码、任课、审批仍按教学单位流程办理。负责人、教研室负责人、教学单位负责人及审核日期均待填写。本稿发布后按真实教学反馈迭代，不以发布记录替代审批和实测。

下载课程标准 Markdown · 源提交（维护者需授权登录）

《深度学习与计算机视觉》学期授课计划#

2026—2027学年第一学期｜实验班S2培养阶段｜共108学时

依据2026年9月14日V1.1结构重构讨论包，于2026年9月16日整理用于经授权的课程公开阅读。仍为修订稿，不代表正式教学采用或学校批准；本轮没有训练、试教或实机测试结果。周成果均为计划目标，不表示已经完成。具体日期、任课与班号按正式课表填写，不按当前日期猜测教学周。

基本安排#

前三周沿用源包03的课时段安排；第4—18周的三个2学时段为本次根据同源planning JSON细化的课堂编排建议，尚未试教。整个周计划不是18份已经完成的完整教案或课件。

开课准备与执行方式#

先核验S1已有方法和代码，通过第一周短诊断补缺；不假定每人已选过同一感知模块、用过同一框架、学过CNN或已有本次任务权重。当前任务标签、通道与模型须按真实数据验证。

三课使用同一来源的设备与观测；模型课不再建独立采集平台。端侧提供真实驱动/采样参考，交互组织学生的板端应用、VPS与Web；课序不便时先用同板真实串口/导出记录，随后回到共同链路。具体采样率、通道、窗口、模型格式及运行位置通过实物预演确定。

教师预演小型1D/2D训练、短检测训练、视觉嵌入、VLM调用及回退环境，核查数据/模型许可、共享算力和费用。第4周开始视觉主体与相机准备，第7周接正式按需采图；模型转换及算子预检查从第2—3周开始，不等到第13周才考虑。

每周记录保留问题、修改、原理、验证和未解决项，不要求18份长报告。第9、15、17周分别含1、1、2学时集中排错，计入原实践学时。第3/9/15/18周共同检查，第6/12周课堂展示；同一段联合活动时间不重复计入三课。课外以整理和小范围完善为主，通常建议1—2学时，真实训练主要在课堂或有管理的共享算力时段完成。

18周进度总表#

六阶段学时核对#

前三周18学时主要使用IMU，第4—12周54学时以视觉为主体，后六周36学时持续检查视觉结果与模型评价；不以平台、文档工作替代模型学习。另两课保持108、72学时，三课288学时；本稿不为它们新增任务学时或重定理实比例。

第1周：让同一块设备的数据既可见，也能形成初步运动判断#

S2-I01｜理论1学时＋实践5学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有S1方法和代码尚未与本次设备的真实IMU记录对齐；网页原始数值还不能说明有限运动状态。

本周产品变化　让同一块设备的数据既可见，也能形成初步运动判断。

本课实现　读取交互/端侧课采集的真实IMU片段；复用S1的特征处理、训练和评价代码，在本次样本上建立或校验“静置/明显被移动”等有限任务基线；把结果接回同一设备记录。

必要原理　重点从离线数据转向连续观测：通道、单位、采样与上报的区别、窗口、数据时间与判断时间。机器学习流程直接使用，缺项在任务中补齐。

三个2学时段

沿用源包前三周实施示例，仍为待试教计划。

两课接点　端侧课协同建议：共同核对IMU通道和真实采样，复用驱动建立可持续采集与分批上传，保留时间与缺失说明；支持读取原始片段。 交互课现有主线：学生自行开发真实传感采集—VPS—Web展示。 本轮联动建议：首源明确为IMU；页面保留原始数值，补一个有限状态结果及来源/时间的位置。建Web与VPS的主任务仍由交互课组织。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：静置、移动设备，能沿同一条记录找到原始片段和对应基线判断；停止上报后不把旧判断当当前状态。

备用路径：VPS尚未就绪先使用同板真实串口/导出记录，周内接回共同链路；实物采样仍不具备时登记阻塞，不能用合成记录冒充真实采样。

依赖与范围：不假定S1已有同任务模型。复用方法与代码，权重须按当前任务重训或验证。课序导致VPS尚未就绪时先读同板串口/导出记录，周内完成同一链路接入。

第2周：点击一次采集，得到本次运动片段及模型判断#

S2-I02｜理论3学时＋实践3学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有初步判断，但单次瞬时值不能表达持续动作，也不能证明一次请求确实获得了新观测。

本周产品变化　点击一次采集，得到本次运动片段及模型判断。

本课实现　把请求输入扩为一段IMU窗口；以原始序列训练小型一维卷积网络，与S1特征模型比较；保存、独立加载，并把新窗口的结果关联本次请求。

必要原理　多通道序列张量、一维卷积、局部特征与共享参数；在真实训练中解释前向、损失、反向传播和参数更新；窗口长度带来的信息与响应取舍。

数值练习仅为示例：50Hz、2秒为100个采样点；若6通道，输入可为B×6×100。8个长度5、步长1、无填充的卷积核，输出长度96，带偏置参数量8×(6×5＋1)＝248。实际通道、采样率及完整性必须实测，不能把此例写成设备规格。

三个2学时段

沿用源包前三周实施示例，仍为待试教计划。

两课接点　端侧课协同建议：实现或完善采样窗口任务、回执及结果关联；记录实际采样率、完整性和执行时间；在现有通信基础上工作。 交互课现有主线：Web“采集一次最新数据”→开发板执行→结果回传。 本轮联动建议：按钮可选择或采用明确的片段长度；增加“采集中/分析中/结果”区分，少量人工标签记录服务模型实验。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：暂停周期上报仍能由本次请求触发新片段并完成分类；断开设备只显示等待/超时，不能复用旧结果假装成功。

备用路径：命令链路未就绪先对同板新采片段独立训练和加载，请求关联待补；算子不适配不删除1D训练证据，可保留更合适的特征基线运行。

依赖与范围：一个瞬时数值不冒充运动片段。窗口参数通过板卡实测确定；例题采样率不写成硬件事实。深度模型不必优于特征基线，真实比较与解释均保留。

第3周：换姿态和操作者后，仍能解释判断与误触发#

S2-I03｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有窗口模型与请求结果，换姿态或操作者后是否仍可用、是否误触发尚未核查。

本周产品变化　换姿态和操作者后，仍能解释判断与误触发。

本课实现　补采不同持握/摆放与过渡片段，复查标签；比较窗口、归一化和网络变化，分析误判及误触发。整理稳定推理入口供按键/反馈调用。

必要原理　过渡片段、分布变化、归一化、泛化、重叠窗口泄漏、阈值和连续窗口的事件判断。统计分类错误与事件误触发分别记录。

三个2学时段

沿用源包前三周实施示例，仍为待试教计划。

两课接点　端侧课协同建议：接入实体按键及一种反馈；开始在已验证目标环境运行可适配的小模型，测采集/推理/反馈时序，神经网络算子不支持时保留可行基线。 交互课现有主线：按键触发与物理反馈闭环，首次三课共同检查。 本轮联动建议：保持原实体操作任务，显示“用户操作”和“模型判断”来源差异；补一个判断错误/不确定的反馈样例。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：按键和模型事件都能在产品中追踪；展示一个跨姿态错误及修正对照，原始片段没有被覆盖。

备用路径：目标端网络暂不适配时在明确标注的电脑/服务器运行并分析同一真实窗口，另排目标端补验。

依赖与范围：只做低风险设备运动教学动作，不把结果标为人的跌倒、危险或健康状态。目标端运行位置据实标注；没有跑通的环节保留待验证。

第4周：给设备状态增加一张可以分析的图片#

S2-I04｜理论3学时＋实践3学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有设备运动判断和实体反馈，但还不能依据图像查看周围情况。

本周产品变化　给设备状态增加一张可以分析的图片。

本课实现　在同一工程的视觉预览分支接入真实图像；从一维卷积扩展到二维卷积，训练一个小型CNN判断画面是否足以支持限定查看任务；保存权重、输入和输出。

必要原理　RGB/灰度、图像张量、二维卷积、通道、感受野、步长、池化；沿用已理解的训练循环，并深化网络计算与参数量。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：开始检查摄像头连接、图像采集与解码、算力和输入尺寸，提供采图参考与来源标识；不等待第7周才首次准备摄像头。 交互课现有主线：用自然语言查询设备已有数据或请求新采集。 本轮联动建议：文字查询继续使用已有IMU判断；同产品中可挂“视觉开发预览”，不提前强制完成第7周面向使用者的全部拍摄交互。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：文字可以查询设备状态，教师/学生能够在同一工程预览真实图片的实际CNN输出及一个失败样例。

备用路径：使用共享相机或授权历史实拍图并标明来源；缩小输入或batch，不把参考日志当学生训练。

依赖与范围：视觉预览先用可取得的真实图像；本板、共享摄像头或授权历史样本分别标记。相机未就绪不停止原IMU产品。图像采集失败与图像内容不可用分开。

第5周：在不同光照和视角下，仍能给出有边界的判断#

S2-I05｜理论3学时＋实践3学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有小型CNN视觉预览，少量数据、光照和视角变化可能导致过拟合或误判。

本周产品变化　在不同光照和视角下，仍能给出有边界的判断。

本课实现　围绕第4周图片任务比较小型CNN和轻量预训练特征，完成分类头训练或有限微调；加入真实光照/视角变化数据，检查过拟合和增强有效性。

必要原理　特征迁移、冻结与微调、预训练输入规范、类别不平衡、学习率、正则化和训练增强；用同一拆分进行对照。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：稳定图像预处理和音频可用接口，分别记录设备、电脑/边缘与VPS的执行位置，检查小模型部署可行性。 交互课现有主线：按键说话、语音识别、任务处理和语音播报。 本轮联动建议：语音复用已有状态查询；模型能力作为结构化数据输入，语音功能不等待新视觉候选成功，也不把生成文本当传感判断。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：同一任务可由文字和语音发起；视觉预览对不同条件的新图给出真实结果，并保留两种模型的对照。

备用路径：算力受限可缓存冻结特征并训练分类头，标明没有微调骨干；服务故障不影响保留原状态查询。

依赖与范围：语音识别/合成由交互课接入，本课本周不额外承担ASR/TTS训练。较大模型可在服务端运行，保留可部署小模型。

第6周：查询可以取消，视觉候选能接受后续真实拍摄#

S2-I06｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有视觉候选，但预处理、保存加载、迟到结果和取消语义还未稳定。

本周产品变化　查询可以取消，视觉候选能接受后续真实拍摄。

本课实现　整理稳定视觉推理入口，核对预处理、标签、分数和运行状态；复现慢推理、低分和无图，检查train/eval及保存加载；依据验证结果选择候选。

必要原理　训练与推理差异、归一化与标签一致性、checkpoint选择、置信度与拒识边界、迟到模型结果的时间语义。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：对小模型持续做转换/算子预检查；支持请求标识、取消或结果失效；准备第7周实际采图路径。 交互课现有主线：语音任务澄清、取消、停止和迟到结果隔离。 本轮联动建议：将延迟推理与已取消请求加入同一测试，不要求模型运算一定能物理中断，但结果不能再触发用户反馈。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：用户取消任务后，迟到结果可留作记录但不继续播报或触发动作；第7周已有可调用的视觉候选。

备用路径：学生候选尚不稳定时，真实教师参考模型维持链路；作者、学生训练与待补验证据分开。

依赖与范围：这是已有模型的稳定化与交接，不是第6周才第一次接入产品。教师真实基线可维持链路，学生模型作者、训练与待补验分别登记。

第7周：用户请求看图，收到本次拍摄及对应识别#

S2-I07｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有同工程视觉预览，尚未验证正式本设备按需采图与训练来源的差异。

本周产品变化　用户请求看图，收到本次拍摄及对应识别。

本课实现　将视觉预览接到正式按需采集路径，检查真实摄像头与训练图的差异；补采本设备图，验证并按需微调，关联图像记录、请求和结果。

必要原理　部署域变化、颜色通道/缩放差异、真实数据补采、训练/运行一致性、在线推理与版本关联。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：完成当前摄像头采集、传输/存储或受控索引、失败返回；保留本次采集时间，支持原有IMU链路。 交互课现有主线：按需获取一张环境图像，显示采集和失败状态。 本轮联动建议：使用第4—6周已经演进的模型，禁止再重建另一套图像实验平台。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：点击看图得到本次真实图片、可用性结果与时间；采集失败时旧图仍明确为历史。

备用路径：摄像头链路故障先对本设备已有真实图定位模型问题，实时采图明确待补，不以旧图伪装本次拍摄。

依赖与范围：第4—6周是同产品内部准备，第7周是面向用户的完整链路。若实际教学已提前接通采图链路，课程组可据实前移接入练习，同时保留本周原理与验证要求。

第8周：说明图中有哪些限定目标，并展示位置依据#

S2-I08｜理论3学时＋实践3学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有本次图像及可用性判断，还不能说明限定目标是什么、位于图中哪里。

本周产品变化　说明图中有哪些限定目标，并展示位置依据。

本课实现　在可用图片上加入有限物品检测，先核对预训练输出，再用本任务框标注开展短微调；将类别、框与分数写入同一图像结果，保留重拍与人工纠正入口。

必要原理　分类与检测差异、框坐标、IoU、分类/定位损失、NMS；画面质量结果与物体结果分别解释。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：处理输入尺寸和坐标映射，提供检测运行环境；较重检测器在边缘或VPS执行，不强制部署到微控制器。 交互课现有主线：把视觉结果变成可理解反馈：标签、分数、重采与纠错。 本轮联动建议：在已有结果解释中增加少量检测框展示；仍允许只按当前共同必修任务显示画面质量，检测预览保留同一工程内。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：至少对限定目标指出类别及图中位置，能重算一个IoU并展示误检/漏检；输出不能当成真实世界精确位置。

备用路径：标注不足先用授权参考小集检查格式和最小训练；检测预览留同工程，不强制重建交互界面。

依赖与范围：类别数和样本规模由课前预演限定；本周启动、下一周完成有限训练。检测任务服务“查看周围情况”，不是独立无关数据集作业。

第9周：发现看错或看不清时，能合理请求补充#

S2-I09｜理论1学时＋实践5学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有初步检测与框，真实使用中仍会看错、漏看或因画面质量产生错误提醒。

本周产品变化　发现看错或看不清时，能合理请求补充。

本课实现　依据实时使用失败补标注，完成检测头/有限微调与前后比较；分析误检漏检、质量判断与提醒的关系，提供阈值及失败样例。

必要原理　精确率/召回率/F1在当前错误中的应用，IoU阈值与框级计数/AP口径，负样本、错误分组及事件级误触发。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：支持事件结果去重与必要触发控制；核对模型版本、图像来源和端到端耗时，参加共同中期测试。 交互课现有主线：用视觉事件触发主动询问，确认/忽略/冷却，中期用户任务测试。 本轮联动建议：保持“看不清→询问是否重拍”主路径，补充可复现模型误判的纠正与复测。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：用同一失败图片复现模型输出、界面解释与重拍/拒绝；展示一次训练改进及中期产品版本。

备用路径：外部接口受阻先独立复现模型和训练对照，联调另标待验；算力故障需补最小真实训练，不能以教师日志替代。

依赖与范围：第9周样例为开发/中期数据，不冒称最终独立测试。课堂保留1学时集中排错，计入本周实践。

第10周：增加传感来源后，分清当前观测和历史线索#

S2-I10｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有图像、IMU和提醒，多源新旧观测与相似历史图片容易被混作当前状态。

本周产品变化　增加传感来源后，分清当前观测和历史线索。

本课实现　读取新增GNSS/网络等记录并保留各源时间；用视觉嵌入回查相似图片、核对同类失败和历史线索，展示来源而不把历史图当当前画面。

必要原理　视觉特征向量与余弦相似度、表征检索、观测有效期、缺失输入；异步观测按时间关联，分类分数与数据新鲜度分开。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：按实物已具备能力逐源接入定位/网络状态，保留失败与采集时刻；不同采集策略独立运行。 交互课现有主线：区分传感器观测与当前状态，展示IMU、定位、网络等来源与数据年龄。 本轮联动建议：在已有多源页面中引用模型观测和带时间的历史图，不把模型推断写成原始传感值。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：当前IMU判断、旧图片、GNSS本次无解可以同时展示且语义不冲突；相似图像检索能回到原始记录。

备用路径：未取得新传感器记录时明确“未采得”，继续对已有真实图进行检索，不编造GNSS坐标或地点。

依赖与范围：视觉相似不等于同一地点，不据此输出精确定位。无记录与采集失败分别处理；不要求所有传感器在同一周一次接齐。

第11周：基于图片与传感记录回答有依据的问题#

S2-I11｜理论3学时＋实践3学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有带来源的记录与检索结果，用户问题需要图像事实和传感证据的受控解释。

本周产品变化　基于图片与传感记录回答有依据的问题。

本课实现　接入VLM读取本次图片，并与有限结构化传感证据一起组织回答；逐项核对图中事实、观测时间与未知信息，记录幻觉、遗漏及格式失败。

必要原理　图像分块、视觉表征、注意力/Transformer核心计算、图文关联与上下文约束；用小例子说明token和注意力，不训练大型模型。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：提供能力运行位置、超时和可用性状态，保持本地小模型与联网增强路径分离。 交互课现有主线：根据多源证据组织短期上下文、解释与追问。 本轮联动建议：复用已有语言工具和记录查询，加入图像证据；模型负责提供事实候选，交互流程保留确认、澄清和控制。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：系统能说明当前图像可核验的内容和传感记录时间，缺失信息明确回答不确定，不补造坐标或安全结论。

备用路径：服务不可用先完成解析与人工核验设计，再补真实图像调用；缓存输出只能标历史记录，不能记为本次成功。

依赖与范围：VLM为受控增强，不取代必须完成的CNN与检测训练；深层跨模态融合、长期记忆和定位算法留后续。

第12周：把有效纠错用于下一版模型，同时保留可用版本#

S2-I12｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有用户纠正和偏好，但尚未区分哪些可以成为训练标签、如何更新而不破坏旧任务。

本周产品变化　把有效纠错用于下一版模型，同时保留可用版本。

本课实现　区分用户偏好、错误标签与新样本；人工复核后加入训练/验证部分，开展一次小模型或分类头再训练，保留老任务回归对照并选定端侧候选。

必要原理　反馈标签质量、版本化数据、微调与遗忘、基线对照、训练/验证/测试隔离；拒绝提醒不自动等于标签错误。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：明确第13周采用的可运行候选、预处理、运行工具和回退版本；持续推进此前已试过的部署路线。 交互课现有主线：确认、纠正、忽略、稍后与恢复默认，用户反馈影响提醒。 本轮联动建议：页面即时保存偏好；模型更新另走复核后的离线训练与测试，清楚区分两个过程。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：一条真实有效纠错进入下一候选的训练过程，旧版仍可使用；“不再提醒”不会自动改成训练标签。

备用路径：无有效纠错或复核未过时保留旧版，训练更新标待补；不为凑任务强行使用错误标签。

依赖与范围：模型候选可为IMU或视觉轻量网络，由实际目标端支持决定。第12周是选择稳定候选，不是首次关注部署。

第13周：没有云端也能完成一个必要判断#

S2-I13｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有可运行候选和回退版，仍需确认训练环境与真实目标端的数值和任务效果是否一致。

本周产品变化　没有云端也能完成一个必要判断。

本课实现　将同一批输入在训练环境与真实目标端对照，定位预处理、算子和量化差异；对较重视觉/VLM与本地必要能力作清楚分工。

必要原理　量化尺度、输入范围、误差、模型大小与运行资源的区别；实际端侧推理与服务器推理分别评价。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：在已确认目标设备运行至少一个轻量模型与反馈，实测资源及耗时；给出本地/联网能力清单。 交互课现有主线：连接目标端推理与联网服务，显示能力不可用和本地可用项。 本轮联动建议：沿用前12周系统，增加运行位置及离线可用性说明，保留原操作任务。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：断开外网后仍完成指定本地推理和实体反馈；依赖联网的视觉增强功能如实显示不可用。

备用路径：先用参考运行环境排查模型差异，但真实目标端运行仍待补；电脑运行不可当成微控制器验收。

依赖与范围：较重检测与VLM无需全部下放到微控制器；模型文件导出不等于已经完成实机运行。

第14周：网络中断后仍有解释，恢复时不混淆历史#

S2-I14｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有指定本地推理，断网、缺样及补传可能让输入不完整或把历史结果误当当前。

本周产品变化　网络中断后仍有解释，恢复时不混淆历史。

本课实现　在断网、丢样和缓存补传条件下检验模型输入；完整窗口照常推理，不足输入拒绝或按已验证策略处理；迟到图片和窗口留作历史评价。

必要原理　流式窗口完整性、分布异常、缺失数据处理、历史预测语义与输入质量约束；不能无说明补零或改写采集时间。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：完善本地缓存、补传及队列状态，具备双链路时验证切换，否则验证实际断网恢复。 交互课现有主线：离线告知、本地记录、补传进度、失败及人工重试。 本轮联动建议：明确补传的模型结论仍对应原观测时刻；恢复联网不会让旧结果变成“当前”。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：离线本地判断可运行，恢复后补传保留原时间；缺样窗口不产生貌似可靠的新结论。

备用路径：只有单一网络时验证该网络实际断开与恢复，不声称实现未验证双链路切换。

依赖与范围：网络策略服从实际硬件能力，不承诺本次已验证Wi-Fi/4G自动切换；摄像头仍为按需或教学事件触发。

第15周：同一故障可以定位、修复并防止再次发生#

S2-I15｜理论1学时＋实践5学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有多条模型与恢复路径，需要把重复、迟到、不一致问题定位到具体环节并稳定版本。

本周产品变化　同一故障可以定位、修复并防止再次发生。

本课实现　用固定输入复现跨端不一致、重复、迟到和过期问题，分开模型、预处理、系统与交互原因；回归后冻结下一周评价版本及阈值。

必要原理　可复现实验、版本与输入一致性、误差归因、分层计时、回归验证；记录修复是模型改进还是流程改进。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：完成稳定运行、恢复与版本回退测试，提供系统日志和真实运行位置。 交互课现有主线：处理重复、迟到与过期任务，三课系统联调。 本轮联动建议：共用一个问题清单与实际产品构建，各课修复自身环节，课程评分分别认定。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：同一错误从原始观测到模型、设备、界面逐层定位；修复后重跑原用例，旧命令不恢复已取消动作。

备用路径：外部环节不通时用同输入接口级对照定位问题；联调未通过部分明确列出，不虚报已冻结可用产品。

依赖与范围：含1学时集中排错，计入实践；不增设额外强制演示课时或三份重复报告。

第16周：在未参与调参的数据和实际任务中检验产品#

S2-I16｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有回归后的冻结候选，尚未在未参与调参的数据上形成最终独立评价。

本周产品变化　在未参与调参的数据和实际任务中检验产品。

本课实现　冻结模型、预处理与阈值后运行独立测试；按采集组/条件报告结果，与本周用户任务记录对应；形成下一轮问题而不回用测试集调参。

必要原理　独立评价、条件覆盖、小样本局限、模型指标与任务成功的区别；测试集被用于改动后须更换独立测试。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：记录稳定性、资源和响应数据，对照同版运行；保留真正影响用户任务的系统问题。 交互课现有主线：第二轮用户任务测试，与中期对照，形成改进依据。 本轮联动建议：同一产品版本、不同评价维度；UI调整和模型变化分别记录。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：能同时解释某次失败是识别错误、输入缺失还是交互问题；结果含真实计数和条件，不只展示总准确率。

备用路径：测试被用于改动后改称开发/回归集，并另准备独立组；样本有限如实列计数和局限。

依赖与范围：最终测试尚未被训练、阈值选择或样本挑选使用。若本周发现问题，记录为下一候选；改主模型需新的独立验证。

第17周：将已验证能力用于个人项目并完成针对性改进#

S2-I17｜理论2学时＋实践4学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有独立评价和问题清单，但个人对模块的理解、迁移和现场修改仍需取证。

本周产品变化　将已验证能力用于个人项目并完成针对性改进。

本课实现　迁移一项视觉模型、数据方法或结果解释能力到个人持续项目；实施小范围改进、回归和个人现场解释，保留原共享版本。

必要原理　任务迁移、接口适配、数据适用性、复现实验与个人技术解释；改变目标任务后不能沿用旧指标当新结论。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：支持个人项目必要的目标端适配与复测，避免另做第二整机。 交互课现有主线：改进与个人模块迁移，现场小修改及恢复。 本轮联动建议：学生个人项目可从前期逐步应用，本周集中完成一项可验证迁移；不再新增完整产品任务。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：学生能运行本人模块，解释一段新原理和一个失败处理，并完成一处小修改。

备用路径：个人硬件不足可在对应参考接口验证并注明实物待验；目标任务改变时保留待测状态。

依赖与范围：含2学时排错、补验和迁移。主模型若使用第16周发现的问题更新，需新独立测试；否则保持冻结基线。

第18周：展示同一个产品的演进，并现场复现关键能力#

S2-I18｜理论0学时＋实践6学时。迭代编号为计划索引，不是已发布产品版本。

上一版问题　已有共享版本、个人迁移和运行记录，需要由他人现场复现并核对演进、贡献与局限。

本周产品变化　展示同一个产品的演进，并现场复现关键能力。

本课实现　现场加载对应模型，用新输入演示判断与错误处理，说明从S1基线到当前模型的变化、有效改进和未达成项。

必要原理　以实际代码、权重、原始记录、计算和比较解释深度学习与视觉能力，形成后续学习问题。

三个2学时段

以下为本次整理的编排建议，未作为已实施记录。

两课接点　端侧课协同建议：展示真实设备运行、断网与恢复，以及实际部署版本。 交互课现有主线：共同展示、个人解释、任务恢复与成果归档。 本轮联动建议：一次共同产品展示支撑三课评价；同一段实际课堂时间只计一次学时。 这些接点须三课确认，不表示已修改另两课标准或计划。

实际验证与备用路径　验证目标：现场完成正常任务与一个故障情境；运行版本、数据来源和个人贡献一致。

备用路径：网络故障可用同版离线权重复现，尚未完成的实机或服务证据仍列待补，不补造结果。

依赖与范围：所有“完成”按真实运行认定。文稿成稿不等于教材、教案、Notebook、模型或实机测试已完成。

共同检查与证据#

V01—V12是随周任务积累的检查，不是新增12项独立作业。真实数据、训练、推理、实机及个人贡献分别登记，教师参考结果不替代学生证据。第9周为开发用中期检查，第16周才开展最终独立测试。

考核与归档#

总结构仍为过程70%、成果20%、综合10%的建议，不作为已核验学校强制比例。P4从孤立拓展实验改为同产品视觉能力扩展，权重不变；六目标与具体达标口径见课程标准。同一原始记录可被三课引用，但同一评价维度不重复计分。

全学期只归档一套可复现工程与索引，包括源码与环境、受控数据/权重索引、预处理和标签、训练与评价记录、失败、交接与个人迁移。记录实际运行位置和未验证项，不重复写18份长报告。不将工作计划、任务卡或关闭事项自动标为教案、模型或实验完成。

实施边界与调整#

先保障真实IMU入口、视觉训练、必要原理、独立评价和个人取证；完整分割、跟踪、复杂定位、深层多模态融合、长期记忆与大型模型训练属提高或后续方向。第13周最低本地候选可由IMU小模型承担，但不能免除自建2D CNN、迁移及有限检测训练。

真实设备任务仅使用低风险动作，不推断人体危险、健康、身份或精确地理位置；摄像头按请求/教学事件触发。人脸、位置、声音和未授权图像不上传外部模型或公开仓库；原图、账号、受控服务地址与凭据不随教学公开页发布。教师须核验授权、费用、访问控制与物理停止方式。

本计划没有改动UX或端侧正式文件。首源明确IMU、片段采集、标签、检测预览和反馈再训练是联动建议；端侧仍应保留其功耗、性能和续航取舍主线。设备、网络或服务受阻时参考环境与实机待补分开，不冒充完成。实质目标、考核或培养衔接调整按学校流程办理。

编制依据与审核#

依据《S2三课产品迭代_视觉课重构研究_V1.1_20260914》的01—05、planning JSON及V1.0保留稿整理；18周增量、原理、演示、依赖和理实数值与源JSON对应。前三周分段沿源示例；后15周分段为本次编排建议。本次另核对当前UX V2.1源文件与S1、端侧试行资料，计划不当作实教证据，也不把内部人培随课公开。

配套课程描述和课程标准均为V1.1。源包日期为2026年9月14日，本次整理发布日期为2026年9月16日；发布批准与教学采用、学校审批分别处理。任课教师、课程负责人、教研室及教学单位审核人和审核日期待登记。后续按真实课堂、训练及实物验证结果迭代。

下载授课计划 Markdown · 源提交（维护者需授权登录）