《计算机视觉导论》新开课
Computer Vision
计算机视觉
计算机视觉(computer vision)是人工智能的一大重要研究方向,核心是对视觉信号(图像、视频、三维场景等)进行获取、处理、分析、理解和生成,让计算机拥有人类视觉系统的能力。计算机视觉作为当下火热的研究方向,在互联网、医疗、自动驾驶和机器人等众多领域中有着广泛的应用,其顶会 CVPR 在全部科学工程领域的 Publications 中位列世界第四[1]。
希望了解这个重要又神奇的领域却不知从何入门?今天小编为大家带来一门全新课程:《计算机视觉导论》。
Introduction to CV
计算机视觉导论
课程简介
本课程面向对计算机视觉、模式识别、深度学习等研究领域感兴趣,希望将计算机视觉方法应用到视觉信号处理和理解,并参与科研任务的本科生。课程适合从大一下到大四的本科全年级同学选课。
该课程主要目的包括三个方面: 首先,学习计算机视觉的基本原理和方法,使学生掌握相机成像和视觉系统的基本原理,并了解视觉处理从特征提取到任务学习的全过程;其次,针对计算机视觉领域发展迅猛的特点,课程着力于全景式地展现传统视觉和基于深度学习视觉的方法的异同,使学生能在不同的应用场景和任务中选择更合适的方法;最后,本课程要求学生在具体实践中掌握计算机视觉系统的搭建和模型的训练和测试,使学生具备处理计算机视觉任务的基本素养,并培养学生对计算机视觉前沿研究问题的兴趣。
课程特色
计算机视觉是人工智能的经典研究方向,已有数十年的历史。然而近年来受深度学习兴起的影响,计算机视觉领域发展迅猛,技术更新速度很快。为了反映这一变化,诸多大学包括北大在内都有介绍将深度学习应用到计算机视觉任务中的课程,如斯坦福大学的 CS231N。然而这些课程并非设计给计算机视觉的初学者(CS231N 在斯坦福属于研究生课)。
应该注意到,深度神经网络只是一种手段,并不涵盖计算机视觉的基本概念和方法,相机模型、多视角几何、optical flow、correspondence 等仍是每一个视觉领域的研究者必须理解和掌握的。另外,随着深度传感器(如激光雷达、深度相机)在工业界的大规模使用,三维视觉在计算机视觉研究领域中越发起到举足轻重的作用,而这部分内容在大多数课程中被忽略。
考虑到以上因素,本课程的内容意在全面介绍和展现计算机视觉这一研究领域传统和最新的研究成果,平衡传统和深度学习的方法,以三维视觉为特色,打通传统视觉中几何理解和基于深度学习的三维数据处理。在较好地掌握本课程后,本科生可以直接参与到计算机视觉、三维视觉、机器人视觉的前沿科研任务。
ICCV 2021 Oral,陈宝权/王鹤老师课题组
课程信息
- 课名:计算机视觉导论
- 课号:04834920
- 学分:3
- 开课单位:信息科学技术学院
- 课程类别:本科生任选
- 授课教师:王鹤 hewang@pku.edu.cn
- 助教:张嘉曌 zhngjizh@gmail.com;陈嘉毅 jiayichen@pku.edu.cn
- 课程网站:https://hughw19.github.io/IntrotoCV/
先修课要求
- 高等数学
- 线性代数
- 计算概论(或熟练掌握 Python 编程)
- 人工智能引论(不必须)
内容安排
考核方式
- 平时作业:30%(3次)
- 期中考试:30%
- 期末考试:30%
- 文献调研展示:10%
授课教师简介
王 鹤
王鹤博士是北京大学前沿计算研究中心助理教授,博士生导师。他于斯坦福大学获得博士学位(导师为美国两院院士、三维视觉泰斗 Leondias J. Guibas 教授),本科毕业于清华大学。他于2021年加入北京大学,研究领域为三维视觉、机器人学等,创立具身感知与交互实验室 EPIC Lab(Embodied Perception and InteraCtion),致力于为通用智能体打造基于学习的、可泛化的三维视觉和控制系统。他在 CVPR、ICCV、ECCV 等国际顶级会议上发表十余篇论文,工作开辟了类别级物体六维位姿估计这一子领域,六次获得 CVPR/ICCV Oral,并获得了2019年 Eurographics best paper 提名奖。他目前担任2022年国际计算机视觉与模式识别会议(CVPR)领域主席。
相关阅读
[1] 由 Google Scholar Metrics 中 的 top publications 对近五年高引的出版物进行统计得出,CVPR 仅次于 Nature, The New England Journal of Medicine 和 Science。