2024秋 2023秋 2022秋 2021秋 2020秋 课程号：COMP6212P01
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
| 选课类别：专业 | 教学类型：理论课 |
| 课程类别：研究生课程 | 开课单位：计算机科学与技术系 |
| 课程层次：硕士 | 学分：3.0 |
|
教学内容
王上飞老师的《计算机视觉》课程主要内容涉及机器学习基础知识，视觉相关的具体内容相对较少。一些学生反映课程内容老套且杂乱，但部分同学认为能够从中学到基础知识。整体上，课程被指内容偏向机器学习，讲述视觉相关概念较为泛泛。
课堂与作业
课程每节课设有随堂小测，用以签到，内容简单但有时难以听清。平时作业包括论文阅读报告和团队项目，主题自选但须与计算机视觉相关。小组项目要求较高，需要撰写报告和进行答辩。
考核与给分
考核方式包含平时成绩、读书报告和课程设计，比例分别为40%、20%、40%。最后成绩的获取较为轻松，只要能坚持到课并完成作业即可获得较高的分数。整体给分较好，被一些同学称为“水学分”利器。
总体评价
总体来说，课程适合寻求较高成绩且希望较少课程压力的学生。然而，对于希望深入了解计算机视觉的同学，课程内容可能不够深入。同时，课程的授课方式存在较多改进空间，尤其是在小测和视觉内容讲解方面。
- 课程难度：中等
- 作业多少：很多
- 给分好坏：一般
- 收获大小：没有
- 难度：中等
- 作业：很多
- 给分：一般
- 收获：没有
还没上完，上到一半，前来吐槽。
每节课都有小测，题目有的是PPT上的，有的是口述的，口述的题目是真的听不清。
PPT上还会有不是小测的烟雾弹。
上节课口述了一个对多分类softmax层参数更新求导的题目说要作为课堂小测，但是大家都没有理解题目，遂改为课后作业，接着上课，又上了半个小时后，又口述了另一道简单一点的题目作为课堂小测……
11/29更新：
老师还说我们这节课很轻松吧，课下作业几乎没有，怎么有脸的。
讲这门课倒是真的轻松，PPT全是搬运拼凑的，就最生硬的复制粘贴，连排版都顾不上的那种，每次课只用上前2节，最后1节随便拍脑袋给学生布置课堂小测，非常喜欢问今天上课问了什么问题，答案是什么，鬼记得你的讲课方式哪些算提问啊。每个学期只用上前3/4，12月下旬开始就可以让学生做pre了。
每次课都有小测，课堂小测说是可以问助教查分，一个半月后才在BB上出小测成绩，我连题目都记不得了，鬼知道为什么每次小测都扣我10分里几小分。如果希望课堂小测改成课后作业，就会诞生新的课堂小测内容。
考核方式：
平时成绩，占40％
作业
课堂测验
随机提问
读书报告，占20%
课程设计，占40％
读书报告要求：2020-2023年发表在CCF-A/CCF-B类推荐或ICLR上，关于计算机视觉领域的论文，要求选取的论文篇幅为 双栏8页及以上或单栏14页及以上。我倒要看看我选的CVPR论文双栏9页写了3000字报告有几分。
课程设计要求：由3-5位同学进行组队（不接受单人作业），任意实现一个计算机视觉相关的项目，允许复现已有工作，鼓励产生全新的工作。
课程设计报告（50%）+课程设计答辩（50%）
注意：仅成功运行其他人提供的开源代码最高获得85%的成绩，复现已有工作最高获得95%的成绩，产生新的工作最高获得100%的成绩。
答辩分为2023年12月20日，2023年12月27日，2023年1月3日三场，第一场得分为110%，第二场得分为105%，第三场得分为100%。
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：超好
- 收获：一般
老师上课比较清晰, 虽然ppt似乎都是从各处搜集来的. 但要吐槽的是课程的大部分时间都在介绍机器学习的概念, 只有最后两节课开始讲视觉的相关任务, 不过基本上也是泛泛而谈, 想通过这门课了解CV还是不太现实(不过大部分人还是来混分的吧), 很多同学在课程建议里提到这个问题, 不知道下次开课会不会有所改善.
这个学期在先研院上课, 难受的是每节课后都有随堂小测, 基本上起到签到作用. 课后作业包括一次论文阅读报告和一次小组项目汇报. 正常出席+完成作业的话90上下基本没有问题.
- 课程难度：简单
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
- 难度：简单
- 作业：中等
- 给分：一般
- 收获：一般
给个7分吧。
个人感觉这个课甚至可以改名为机器学习，大部分时间都在讲机器学习相关的内容。每节课会布置作业，要求当堂完成，就当是点名了。
课程不考试，最后需要自行完成一个和cv相关的项目，题目自选，还要答辩和撰写报告。
课程给分非常公正客观（这个要给个赞）。
总体来说收获不大，可以作为水学分的选择。
- 课程难度：中等
- 作业多少：很少
- 给分好坏：超好
- 收获大小：没有
- 难度：中等
- 作业：很少
- 给分：超好
- 收获：没有
好处是给分巨高且没有作业，坏处是节节课要签到。
总得来说课上讲的东西很老套且杂乱无章，ppt也是东拼西凑的，十分不建议听课，但只要签到不落下给分就很高，适合用来水学分
- 课程难度：简单
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
- 难度：简单
- 作业：中等
- 给分：超好
- 收获：一般
绝世好课，除了上课需要小测之外（小测内容通常非常简单，一般用于签到作用），无论是作业还是期末考核都是非常轻松简单，而且给分巨高（只要每节小测都交了几乎满绩）。（ps：上课确实能学到一些东西，但是仅限于了解基础，深入部分感觉有一点听不懂（可能是我太菜了））
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：超好
- 收获：一般
课程大部分内容是基础的机器学习知识，涉及视觉的内容较少。
基本每堂课快下课时会布置几道题，一开始题目还是ppt上的（基本都能在网上搜到），后来题目有时候会是上课问了什么问题，答案是什么。该部分占最后总评的40%。
课后作业有个人作业是论文报告，占总评20%；团队作业是不超过5人的组队，完成一个视觉相关的项目，并进行汇报，占总评40%。其中汇报的越早，得分越好。总体来说课后压力不算大，给分也很好。
- 课程难度：简单
- 作业多少：很多
- 给分好坏：超好
- 收获大小：没有
- 难度：简单
- 作业：很多
- 给分：超好
- 收获：没有
CV给分还是可以的，最后是一个复现+一个论文综述，每节课都得去，这点有点烦；老师课上会留小测，助教还根据你小测的对错给平时成绩。总之不怎么推荐选这门，上课+作业有点痛，老师课上讲的都是很传统的cv，基于深度学习的可能也就一节课。
- 课程难度：中等
- 作业多少：很少
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：很少
- 给分：超好
- 收获：很多
拉一拉评分，水学分利器，就酱，
不过在loss函数、交叉熵验证等概念、SVM、基础NN那里浪费太久了，毕竟上这门课的基本都学过ML,DL，
希望老师下次可以多补充一点视觉方面的内容或者把半监督学习、目标检测那块讲详细点，我比较🥬，听得云里雾里的
- 课程难度：简单
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
- 难度：简单
- 作业：中等
- 给分：超好
- 收获：一般
除了要到课外，不用花什么时间
给分高，每次下课前有作业，加上期末有个视觉大作业
讲课内容基本都是机器学习，线性分类、回归、svm、决策树之类，视觉知识涉及的很少
- 课程难度：简单
- 作业多少：很少
- 给分好坏：超好
- 收获大小：一般
- 难度：简单
- 作业：很少
- 给分：超好
- 收获：一般
最终成绩方面，大概平时作业+论文report+大作业同比例。
旷课不友好，会不定期课上小测。
给分不错，能保证作业都交上不旷小测，论文和大作业都正常完成应该基本就有85+了。整体来说除了要到课外不用花太多精力。
内容略显老套，能用到的干货不多。
