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 >>更多
很多题目提前在A4纸上准备了类似的,最后都没写完卷子。上完这门课之后,会对频率域有更深层次的了解,这对控制专业和计算机视觉领域的同学还是很有帮助的。就我自己而言,考前预估90,考中期待80,考后许愿75+。出分了,老师还是很善良的。考试一整道大题不会,加上计算题的各种没把握,最后总评84,很满意了。 >>更多
老师都是做CV方向的,所以主要内容是和计算机视觉相关的,讲了很多方法,内容充实,作业也比较容易。最后大作业是要写代码做展示的,挺费工夫,但是收获很大,而且其实大部分人做的都不咋地,很多也是拿训练好的模型,毕竟没啥人有好的GPU用来训练,所以只要认真做过大作业,好好写报告,就能有个很不错的分数。总的来 >>更多
考虑到较少的作业量,和较为基础、得当的课程内容,这门课可以算是适宜很多人选择的,特别是以后希望从事CV(计算机视觉)、DIP(数字图像处理)的同学。实验因为基于C语言所以略显琐碎,但是相比PIL/OpenCV的直接调库,一开始还是从基础代码学起比较好,个人觉得甚至可以考虑增加实验内容(比如说部分复现 >>更多
以及后续的系统分析和系统设计等控制思想 系统建模在信号与系统里面已经做了足够多且详细的拓展,我也认可AI是有必要学习一些基本的信号处理知识的,对于从事计算机视觉方向的同学还是有所帮助。 但是控制论部分我认为没有特别大的必要,毕竟我们如果真的对这部分感兴趣就不会来AI而是去自动化了,以及AI的未来磕盐 >>更多
下学期直到六月份才在一周内排了三节课(吓得我还以为老师把我们忘了呢hh)要求是让同学找一篇计算机视觉相关的论文,用大模型辅助自己短时间内阅读了解论文核心内容并利用这几节课复现出来,在最后一节课的时候做一个PPT汇报。当时着实吓了一跳,差点以为自己交不上作业了。老师预期是6个课时做完(老师你确定吗😨) >>更多
本就是把每章一道经典例题做一遍、作业题做一遍、基本概念背下就行,85肯定行【重点:基本每章一道大题,题型很固定】。总结:版本更新,workload太大,不建议选。复习成本大、学了又没用(对CV/AI的同学来说)。建议选水的比如说计算机视觉、图像测量。想真学点难学但是有用的,建议出门去选6系的统计学习 >>更多
课程安排方面,一学年总共有六次课程,第一次课程会介绍一些关于深度学习和计算机视觉方面的知识,然后给定方向让同学们选择感兴趣的主题研究,之后的课程安排大致如下:预开题报告→开题报告→中期汇报→预结题报告→结题报告今年给定的方向是人脸生成和伪造人脸识别,当然其它与多媒体相关的方向也可以选择。任务安排方面 >>更多
秦老师讲前半部分part 1-4(概述、搜索、知识推理、不确定推理),陈老师讲后半部分(学习(机器学习、深度学习、强化学习)、应用(自然语言处理、计算机视觉、机器人)、AI趋势)。前半部分的算法要求掌握原理会计算,后半部分比较散,主要是了解性质,复习主要依靠PPT。最后几次课陈老师从没有交作业的同学 >>更多
张越一老师:主要讲解Python基本语法和一些进阶语法,最后两次课还讲解了计算机视觉和自然语言处理的一些基础知识熊志伟老师:主要讲解神经网络的理论基础,和一些卷积神经网络的数学算法郑歆慰老师:主要讲解深度学习的代码实现框架,以pytorch为主,还涉及到了一些强化学习、分布式学习的知识最后一次课是助 >>更多