计算机视觉⚓︎
课程信息
- 课程名称：计算机视觉导论
- 学分：4.0
- 教师：周晓巍
- 教材：Computer Vision: Algorithm and Applications, 2nd Edition（电子版可点击链接后进入官网下载，它会要求你填邮箱，然后再下载）
目录
《计算机视觉导论》需要复习的内容用箭头 <- 指出。
- Introduction
- Basics
- Reconstruction
- Deep Learning Basics（
期末复习特供版）<- - Perceiving and Understanding the Visual World
- Image Classification with CNNs
- CNN Architectures
- Recurrent Neural Networks
- Attention and Transformers
- Recognition <-
- Video Understanding
- Large Scale Distributed Training
- Self-supervised Learning
- Generative Models
- 3D Deep Learning <-
- Multi-Modal Foundation Models
- Robot Learning
- Computational Photography <-
复习注意事项
- 不用死记硬背各种数值和复杂公式，重在理解概念
- 题型
： （不定项）选择、判断、填空（偶尔涉及简单的计算） 、简答（描述性）
参考资料
- 课件（
拼好 slides） - Stanford CS231n 2025 Spring：感觉学校里的 CV 课更注重应用，而斯坦福的课更注重深度学习相关的知识（从 schedule 可以看到 deep learning 占了很大的篇幅）
- UMich EECS 498-007 / 598-005：相比 CS231n 讲得更细致（因为上课的老师 Justin Johnson 就是原来 CS231n 课程组的一位老师，好像今年又回到 CS231n 了 hh）
- 德国蒂宾根大学的 CV 课程：和周老师的课程安排更为接近（
感觉课件的制作是不是参考了这门课程） ，而且逻辑上更加连贯，讲得更清楚，并且也是彭思达老师推荐观看的
评论区
如果大家有什么问题或想法，欢迎在下方留言~