目前，人工智能技術，深度學習，深度神經網絡，計算機視覺等已經成為現時代的風向標。也許你可以清華大學深圳研究生院計算機視覺專業課程，需要了解哪一些專業知識?下面就是關于清華大學深圳研究生院計算機視覺課程考試大綱，以供考生參看。那么，清華大學在職研究生深圳研究生院計算機視覺專業課程如何新手入門?

清華大學深圳研究生院計算機視覺專業課程如何新手入門?

清華大學深圳研究生院Peking University Shenzhen Graduate School(2018 -一個學年year第1學年semester)課程考試大綱Syllabus

課程偏號Course Id：            開課學年Course Time：1819G1         

總課時Total hours：     20         學時Credit：3

課程名稱Course Name： 計算機視覺

英文名稱English Name：Computer Vision

教學方法Teaching Style：教學課授課    

考試方式Examination Method：考察

先修要求Prerequisites： 無

主講老師Lecturer：  張健               

輔助工具老師Teaching Assistant：無

課程行業Field of study：多媒體系統信息資源管理、人工智能技術、數字圖像

考試大綱執筆人Syllabus author：張健

擬定年月Date ：4月

成績鑒定方法Grading：

課程做業占35% + 學生項目占30% + 口頭報告占35%

考試大綱內容簡介(300簡體字之內)：

Brief introductionof the syllabus(300 words at most)：

計算機視覺是這門關于如何應用照相機和計算機系統來獲得我們需用的，被拍照對象的數據與信息的大學問。形象地說，就是給計算機系統安裝上雙眼（照相機）和人腦（計算方法），讓計算機系統能夠認知環境。目前計算機視覺已發展成為電子信息科學行業最快速增長方向之一，也是信息科學和人工智能技術的重要基本要素，是電子信息科學與技術專業的重要主干課程之一。本課程為選修課程，其目的源于為學生建立計算機視覺的基本要素、基本基礎理論和方法、相關技術和應用技術；培養學生有效地應用所學知識和方法處理實際問題的能力。

考試大綱詳盡內容(2000簡體字之內)：（請選擇開課模塊編寫，標明課時）

Details of the syllabus(2000 words at most)：（according To the units, state the class hours）

1.  第一周 (3課時)

內容:

課程導論與課程計劃

目的：

課程總體介紹及安排，通過對計算機視覺的最前沿介紹后以探討的方式找尋每名同班的愛好點，分步確認每名同班本課程項目報告的研究目標。

2.  第二周 (3課時)

內容:

圖形表示與濾波器

· 光與色彩空間

· 圖像濾波

· 頻域表示

· 擺放做業1：圖像濾波與合出等操作過程

目的：

介紹彩色圖像的基本表示方式以及在空間和頻域上的濾波器操作，讓學生了解在Matlab等平臺上進行相對的操作。

3.  第三周 (3課時)

內容:

做業1解讀與分析

特點檢驗與配對

· 邊緣檢測

· 愛好點及角點檢驗

目的：

了解傳統的圖形外緣、愛好點及角點檢驗的常見方法，了解各種檢驗算子以及其相對的應用。

4.  第周圍 (3課時)

內容:

特點檢驗與配對

· 部分圖形特點

· 特點配對

擺放做業2：部分圖形特征提取與配對

目的：

了解經典的部分圖形特點與特點配對的方法，親手實現各種方法并應用其進行圖形查找與接拼等應用。

5.  第六周 (3課時)

內容:

做業2解讀與分析

深度學習回望

· 有監督學習

· 無監督學習

目的：

懂得區分深度學習與計算機視覺的異同，了解深度學習中有監管與無監管兩種方法的特性，懂得將其引申到計算機視覺之中并提高認識拓展。

6.  第六周 (3課時)

內容:

圖像檢測

· 鑒別專題報告與詞袋

· 大量范例鑒別

目的：

把握用以圖形或視頻查找的詞袋技術（Bag of Features）,能夠利用其對圖形或視頻進行核對。

7.  第六周 (3課時)

內容:

圖像檢測

· 大量場景鑒別及高極特點編號

· 拖動窗檢測服務

擺放做業3：利用詞袋技術進行場景檢驗

目的：

把握大量數據下，利用視頻或者圖形中獲取的特點進行迅速有效的特殊場景檢驗。

8.  第八周 (3課時)

內容:

做業3解讀與分析

深度神經網絡

· 神經網絡基本構件

· 經典的神經網絡結構

擺放做業4：來源于卷積神經網絡進行MNIST數據分類

目的：

把握深度神經網絡的基本構件知識，懂得用流行深度神經網絡平臺Tensorflow或PyTorch等建立數子分類管理、圖形分類管理等神經網絡。

9.  第九周 (3課時)

內容:

做業4解讀與分析

深度神經網絡

· 神經網絡超主要參數設置與網絡訓練

· 神經網絡正則化與縮小

擺放做業5：來源于稀少正則化對主要參數進行縮小

目的：

把握利用梯度下降計算方法進行主要參數刷新的原理，明白深度神經網絡訓練及設置超主要參數的小技巧，了解利用低秩類似、剪枝與稀少明確、二值化等技術對神經網絡進行縮小。

10. 第九周 (3課時)

內容:

做業5解讀與分析

深度神經網絡

· 循環系統神經網絡

· 優化算法驅動器下的神經網絡設計

擺放做業6：利用循環系統神經網絡“作詩”

目的：

把握能夠敘述數據之間長時間依賴關系的循環系統神經網絡原理，懂得建立能夠自己“作詩”的神經網絡，了解利用優化算法展開進行具有結構特點的最前沿神經網絡設計的技術。

11. 第十四周 (3課時)

內容:

做業6解讀與分析

多視點與運動分析

· 成像與電子光學

· 相機標定

· 立休成像

擺放做業7：相機標定與基礎向量估測

目的：

把握在圖形測定過程以及機器視覺應用中，為確認空間物塊表層某點的三維立體圖形位置兩者之間在圖形中對應點之間的的關系，建立攝影機成像圖形建模的基礎理論，能夠熟練從世界坐標系轉換到圖形平面坐標。

12. 第十二周 (3課時)

內容:

做業7解讀與分析

多視點與運動分析

· 光流

· 即時姿勢估測

目的：

把握圖形光流的計算，懂得光折射流去進行即時的物塊姿勢估測。

13. 第十三周 (3課時)

內容:

最前沿文獻綜述研修及個人項目匯報會（1）

·每名同班對于第一周選中的喜歡的計算機視覺內容，和老師核對后，選擇精讀2篇最新文獻綜述和泛讀6篇文獻綜述，并關起門來實現精讀計算方法，形成該研究目標的全部匯報進行匯報會。匯報會時間20分鐘，答疑10分鐘。

目的：

一方面，讓學生對于喜歡的內容做一個項目，充分利用和吸收所學知識；而且，培養和鍛練學生的參考文獻閱讀文章、親手實踐活動以及科學研究能力，進而能夠在項目的基礎上，通過調查、探討、匯報會和答疑等流程形成自己的了解與正確理解，明確提出自己的創新性和看法。

14. 第十四周 (3課時)

內容:

最前沿文獻綜述研修及個人項目匯報會（2）

·每名同班對于第一周選中的喜歡的計算機視覺內容，和老師核對后，選擇精讀2篇最新文獻綜述和泛讀6篇文獻綜述，并關起門來實現精讀計算方法，形成該研究目標的全部匯報進行匯報會。匯報會時間20分鐘，答疑10分鐘。

目的：

一方面，讓學生對于喜歡的內容做一個項目，充分利用和吸收所學知識；而且，培養和鍛練學生的參考文獻閱讀文章、親手實踐活動以及科學研究能力，進而能夠在項目的基礎上，通過調查、探討、匯報會和答疑等流程形成自己的了解與正確理解，明確提出自己的創新性和看法。

15. 第十五周 (3課時)

內容:

最前沿文獻綜述研修及個人項目匯報會（3）

·每名同班對于第一周選中的喜歡的計算機視覺內容，和老師核對后，選擇精讀2篇最新文獻綜述和泛讀6篇文獻綜述，并關起門來實現精讀計算方法，形成該研究目標的全部匯報進行匯報會。匯報會時間20分鐘，答疑10分鐘。

目的：

一方面，讓學生對于喜歡的內容做一個項目，充分利用和吸收所學知識；而且，培養和鍛練學生的參考文獻閱讀文章、親手實踐活動以及科學研究能力，進而能夠在項目的基礎上，通過調查、探討、匯報會和答疑等流程形成自己的了解與正確理解，明確提出自己的創新性和看法。

16. 第十六周 (3課時)

內容:

個人成果展示

·每名同班將自己最后完成的項目方案形成最后匯報后以幻燈片的方式在教學課上匯報會出來（一人10分鐘），專家（擬邀約幾個工程學院教師）和班里其他同學作為評審團對于其勞動量、創新能力以及當場表現進行綜合評分。

目的：

鍛練學生寫作水平、語言表達能力以及相互理解能力。

課本Text book：無

參考文獻 Reading materials：

1. Richard Szeliski. Computer Vision: Algorithms when Applications, Springer, 2010.

2. Ian Goodfellow when Yoshua Bengio when Aaron Courville. Deep Learning, MIT Press, 2016.

以上就是關于清華大學深圳研究生院計算機視覺專業課程如何新手入門?如果大家對考試有哪些疑惑的話，可以咨詢我們中國在職研究生招生信息網的教師。