引言介绍

人脑处理的信息中有70%以上都是视觉信息，为了更好的感知世界、理解世界和与世界交互，计算机视觉逐渐成为人工智能领域最活跃、最充满无限潜力的学科。计算机视觉技术已广泛应用于无人驾驶、智能监控、机器人视觉、增强现实等诸多领域,正在彻底改变我们的生活和工作方式。

计算机视觉的核心是赋予机器"视觉"能力,使之能够像人类一样理解和分析图像、视频以及三维场景中蕴含的丰富信息。计算机视觉课程将从数字图像分析、模式识别、三维重建等基础理论入手,逐步介绍目标感知、多模态理解和内容生成等技术前沿。通过本课程的学习,你将有机会接触到创新型项目实践,亲身体验前沿技术如何为实际问题注入全新解决方案。无论你是出于对人工智能的浓厚兴趣,还是为将来的职业发展打下坚实基础,学习计算机视觉这门课程都是很重要的。

让我们一同开启计算机视觉的奇妙之旅,在这片充满想象力的领域追求卓越,用人工智能技术实现自我价值，赋能未来!

建议前序课程（非必需）：工科数学分析基础、线性代数与解析几何、概率与统计、最优化方法、程序设计基础、模式识别与机器学习、深度学习

课程资源

1. 哥伦比亚大学经典计算机视觉课程 First Principles of Computer Vision [偏视觉基础]

讲者：Shree Nayar, T. C. Chang Professor of Computer Science at Columbia University

https://fpcv.cs.columbia.edu/

2. 德国波恩大学经典计算机视觉课 Photogrammetry I and II [偏基础和几何视觉]

讲者：Cyrill Stachniss, Head of Photogrammetry and Robotics Lab at University of Bonn

https://www.ipb.uni-bonn.de/photo12-2021/

3. 斯坦福大学经典计算机视觉和深度学习课程 CS231n: Deep Learning for Computer Vision  [偏深度学习在视觉任务上的应用]

讲者：Fei-Fei Li, Sequoia Professor in CS Department at Stanford University

https://cs231n.stanford.edu/

4. 德国图宾根大学/马普所计算机视觉课程 [偏3D视觉]

讲者：Andreas Geiger, Head of Autonomous Vision Group at the University of Tübingen

https://uni-tuebingen.de/fakultaeten/mathematisch-naturwissenschaftliche-fakultaet/fachbereiche/informatik/lehrstuehle/autonomous-vision/lectures/computer-vision/

5. 中国科学院自动化所 [较为全面]

讲者：胡占义，董秋雷，申抒涵，中科院自动化所

http://vision.ia.ac.cn/zh/teaching/

学术前沿

计算机视觉和深度学习顶会 CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, ACM MM

计算机视觉顶级期刊 TPAMI, TIP, IJCV

参考教材

1. Richard Szeliski: Computer Vision: Algorithms and Applications, 2nd ed.

（中文版：计算机视觉：算法与应用，艾海舟 / 兴军亮译，清华大学出版社， 2012

2. David A. Forsyth: Computer Vision: A Modern Approach, 2nd ed.

（中文版：计算机视觉一种现代方法第二版，高永强 译，电子工业出版社，2017）

校内基础课程资料：详见附件