spContent=百闻不如一见!
人类从外界获得的信息约有60%~90%来自视觉系统!
计算机视觉无论是在理论上还是实践上都存在着巨大的潜力!
百闻不如一见!
人类从外界获得的信息约有60%~90%来自视觉系统!
计算机视觉无论是在理论上还是实践上都存在着巨大的潜力!
—— 课程团队
课程概述
本课程讲授计算机视觉领域的基本理论和技术,使得本科学生能够掌握计算机视觉领域的基础知识,学会计算机视觉领域一些基本问题的处理技术和方法,并能够运用计算机编程技术实现具体算法,初步了解计算机视觉领域一些国际前沿的研究课题和方向。
授课目标
(1)结合计算机发展历史和前沿学科应用等介绍,培养学生的社会责任感、强国使命感和爱国情怀;
(2)能够掌握计算机视觉的基本理论和方法,理解各种图像处理与计算机视觉技术的相关应用;
(3)能够综合应用数学、信息学、生物学等解决计算机视觉问题,具备初步解决智能化物体检测与识别等应用问题的实践能力;
(4)能够掌握跟踪计算机视觉相关领域国内外发展趋势及行业新进展的基本方法和途径。
成绩 要求
本课程分数占比如下:
30%单元作业+50%期末考试分数+20%课程讨论
其中,课程讨论的满分标准被“课程讨论”中回复数量为5个以上
课程大纲
计算机视觉概述
1.1计算机视觉简介
1.2计算机视觉的应用
1.3计算机视觉面临的挑战
视觉特征表达
2.1人眼视觉
2.2图像表达
2.3色彩空间
2.4距离度量
2.5形状特征表达
2.6纹理特征表达
2.7多尺度表达
视觉特征提取
3.1边缘特征提取
3.2角点提取
3.3频域特征提取
3.4 兴趣点提取
3.5 形状提取
3.6 区域特征提取
视觉特征学习
4.1监督式视觉特征学习
4.2半监督视觉特征学习
4.3无监督视觉特征学习
4.4自监督视觉特征学习
图像分类
5.1图像分类任务
5.2 评价指标
5.3 ILSVRC竞赛
5.4卷积神经网络
5.5 数据增强
语义分割
6.1语义分割概述
6.2经典语义分割算法
6.3语义分割的发展
6.4常用数据集
6.5评价标准
目标检测
7.1目标检测概述
7.2经典目标检测算法
7.3目标检测的发展
7.4常用数据集
7.5评价标准
物体跟踪
8.1物体跟踪概述
8.2经典物体跟踪算法
8.3物体跟踪的发展
8.4常用数据集
8.5评价标准
多视图拼接
9.1多视图拼接概述
9.2经典多视图拼接模型
9.3多视图拼接的发展
9.4常用数据集
9.5评价标准
三维重建
10.1三维重建概述
10.2经典三维重建技术
10.3三维重建技术的发展
10.4常用数据集
10.5评价标准
展开全部
预备知识
前导课程是高等数学、概率论与数理统计、图像处理、机器学习等。
参考资料
《数字图像处理》,Rafael C. Gonzalez等著,阮秋琦等译,电子工业出版社,2010。
《计算机视觉:算法与应用》, Richard Szeliski著,艾海舟等译,清华大学出版社,2013。
Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing (2nd Edition), Prentice Hall, 2003.
Richard Szeliski, Computer Vision: Algorithms and Applications, (Free download)