计算机视觉原理与算法

课程编码：180206085406P3001H 英文名称：Principles and Algorithms of Computer Vision 课时：40 学分：2.00 课程属性：专业课 主讲教师：原春锋等

本课程讲授计算机视觉的基本概念、理论、算法与应用，目的是使学生了解计算机视觉的发展，掌握计算机视觉的核心内容，为研究与应用计算机视觉技术奠定基础，提升学生在计算机视觉领域的研究与创新能力以及应用计算机视觉方法解决实际问题的能力。
本课程内容包括计算机视觉学科近四十年发展历程中产生的一些重要理论和方法，有些内容要求一定的数学基础，建议同学们预修线性代数或矩阵分析等方面的课程。

高等数学，线性代数，图像处理，概率与数理统计，计算机程序设计

第一章 绪论 3学时 李兵
第1节 计算机视觉历史、现状和发展趋势
第2节 课程内容简介
第3节 初步知识（视觉基本原理）
第二章 底层视觉I：成像原理与方法 3学时 李兵
第1节 图像信号处理器与参数优化
第2节 图像质量评估
第3节 下一代成像
第三章 底层视觉II：相机标定与颜色感知 3学时 李兵
第1节 相机标定
第2节 颜色恒常感知计算
第3节 颜色特征
第四章 底层视觉III：特征描述与匹配 3学时 李兵
第1节 特征提取与描述子方法
第2节 特征匹配与加速方法
第3节 鲁棒匹配方法
第五章 底层视觉IV：图像分割 3学时 李兵
第1节 基于区域信息与边缘信息的分割方法
第2节 基于特定理论的分割方法
第3节 基于深度学习的图像分割方法
第六章 立体视觉与三维建模 3学时 原春锋
第1节 双目立体视觉
第2节 多视图立体视觉
第3节 基于学习的立体视觉
第七章 计算机视觉中机器学习方法 3学时 原春锋
第1节 传统机器学习方法
第2节 深度学习方法
第3节 经典深度神经网络模型
第八章 中层视觉I：图像分类 3学时 原春锋
第1节 传统图像分类方法
第2节 基于深度学习的图像分类方法
第3节 小样本图像分类方法
第九章 中层视觉II：目标检测 3学时 原春锋
第1节 一阶段检测方法
第2节 二阶段检测方法
第3节 Anchor-free检测方法
第十章 中层视觉III：目标跟踪 3学时 原春锋
第1节 方法综述与数据集介绍
第2节 Siam框架跟踪方法
第3节 图卷积跟踪方法及相关竞赛
第十一章 高层视觉I：行为识别 3学时 原春锋
第1节 传统行为识别方法
第2节 基于深度学习的行为识别方法
第3节 经典模型及相关竞赛
第十二章 高层视觉II：图像/视频描述 3学时 原春锋
第1节 基于匹配的视觉描述
第2节 生成式的视觉描述
第3节 基于大模型的视觉描述
第十三章 互联网视觉 3学时 李兵
第1节 互联网视觉内容理解与安全
第2节 互联网视觉生成与鉴别
第3节 高通量互联网视觉数据处理
第十四章 考试 1学时 原春锋
第1节 考试+答疑

原春锋研究员，博士生导师。入选北京市杰青、国家“新一代人工智能”重大项目项目负责人、中国科学院“特聘研究骨干”。2010年毕业于中国科学院自动化所，获工学博士学位。从2010年至今，在中科院自动化所模式识别国家重点实验室、多模态人工智能系统全国重点实验室工作。2019.6至2020.6，在美国西北大学进行访问研究。在计算机视觉领域发表高水平论文80余篇（第一/通讯作者50篇、CCF A类48篇、ESI高被引1篇），主持承担北京市杰青项目、科技部科技创新2030重大项目、国家242信息安全专项、国家基金项目、中科院先导、腾讯、阿里、美图等项目二十余项。担任国际期刊《Journal of Computer Science and Technology》青年编辑，CAA人工智能与机器学习专委会、CCF多媒体专委会、CSIG视觉大数据专委会等委员。
李兵研究员，博士生导师。入选国家优青、北京市杰青、中科院青促会优秀会员、国家“新一代人工智能”重大项目负责人、中国科学院“特聘研究核心骨干”。2009年毕业于北京交通大学，获工学博士学位。从2009年至今，在中科院自动化所模式识别国家重点实验室、多模态人工智能系统全国重点实验室工作。长期从事计算机视觉方向的研究，在包括IEEE TPAMI/IJCV等权威国际期刊和会议上发表论文100余篇，曾获国家自然科学二等奖（3/5）、中国自动化学会技术发明一等奖（1/6）。担任国际期刊IEEE TCSVT的AE。主持国家自然科学基金联合基金重点项目、北京市杰青项目、科技部科技创新2030重大项目以及企业横向课题三十余项。