計算機視覺是跨學(xué)科的科學(xué)領(lǐng)域，開發(fā)了可以使計算機從數(shù)字圖像或視頻中提取高級信息的理論和方法。新南威爾士大學(xué)的計算機視覺(COMP9517)課程介紹了該領(lǐng)域的基本概念，并提供了開發(fā)計算機視覺實際應(yīng)用的機會。課程涉及到一次考試，考試的成績占比為40%。我們在考試之前應(yīng)該復(fù)習(xí)哪些內(nèi)容呢？考點整理如下。

一、考點整理

1、圖像形成、圖像處理

2、特征表示

3、模式識別

4、圖象分割法

5、運動跟蹤

6、應(yīng)用程序

7、深度學(xué)習(xí)/應(yīng)用

二、復(fù)習(xí)目標(biāo)

考試旨在評估同學(xué)是否能夠：

1、解釋計算機視覺的基本科學(xué)、統(tǒng)計和工程方法。

2、使用現(xiàn)有軟件平臺實現(xiàn)和測試計算機視覺算法。

3、通過集成軟件模塊構(gòu)建更大的計算機視覺應(yīng)用。

4、解釋和評論計算機視覺文獻中的文章。

三、復(fù)習(xí)材料

同學(xué)在復(fù)習(xí)時可以閱讀下述材料：

1、Richard Szeliski. Computer Vision: Algorithms and Applications. Springer, 2021 (second edition).

2、Dana H. Ballard and Christopher M. Brown. Computer Vision. Prentice Hall, 1982.

3、Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press, 2016.

4、David A. Forsyth and Jean Ponce. Computer Vision: A Modern Approach. Prentice Hall, 2011.

5、Simon J. D. Prince. Computer Vision: Models, Learning and Inference. Cambridge University Press, 2012.

要想學(xué)好新南威爾士大學(xué)的計算機視覺(COMP9517)課程，同學(xué)應(yīng)該能很好的使用Python編程，熟悉數(shù)據(jù)結(jié)構(gòu)和算法，以及基本統(tǒng)計學(xué)知識。同時要學(xué)習(xí)使用和集成軟件(例如OpenCV，Scikit-Learn，Keras)，并熟悉向量微積分和線性代數(shù)。如果同學(xué)有課程方面的知識沒有完全掌握，或是想讓老師指導(dǎo)進行考前復(fù)習(xí)，直接聯(lián)系我們即可。