浙江大学研究生计算机视觉课件

• Stanford
– By Li Fei-Fei – Computer Vision： /groups/vision/teaching.html
• UNC
– By Marc Pollefeys – Computer Vision, Multiple View Geometry: /~marc/teaching.html
• 参考资料：
– Video lecture on web
课程简介
• “Computer Vision”, by Andrew Blake, Microsoft Research
– /mlas06_li_gmvoo/
• “Generative Models for Visual Objects and Object Recognition via Bayesian Inference” by Fei-Fei Li, Princeton University • “Machine Learning in Vision”, by Bill Triggs, Laboratoire Jean Kuntzmann
计算机视觉
Computer Vision
人工智能研究所 王东辉 2009.11
主要内容
• 课程简介
– – – – – – 课程设置情况 相关课程 课程网址 参考资料 实验平台与开发工具 成绩评定
课程简介
• 课程设置情况：
– 《计算机视觉（1）》：计算机视觉的基本理论、方法和应用 – 《计算机视觉（2）》：有关计算机视觉的专题研讨 – 目标：
课程简介
• 实验平台与开发工具：
– Matlab – OpenCV
• /projects/opencvlibrary/ • 中文网站 • OpenCV是Intel发起的开源计算机视觉库，直至OpenCV1.0发布, 现在由 Willow Garage提供支持 (/documentation/index.html)。 • 它由C / C++实现，支持跨平台（Linux，Windows），提供了图像处理、 计算机视觉和模式识别等方面的很多通用算法 • OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于 其它的外部库——尽管也可以使用某些外部库。 • OpenCV 对非商业应用和商业应用都是免费（FREE）的。 • 最新版本：OpenCV_2.0.0a • 应用例子：
• /~daf/book.html
• 主要参考书：
课程简介
– Multiple View Geometry in Computer Vision, Richard Hartley and Andrew Zisserman, Cambridge University Press, 2000 – 计算机视觉中的多视图几何 ，安徽大学出版社
• 主要参考书：
课程简介
– 《计算机视觉：一种现代方法（中文版）》，Computer Vision: A Modern Approach. David A. Forsyth, Jean Ponce 著. 林学訚，王宏等译，电子工业出版社. 2004 – 《计算机视觉：一种现代方法（影印版）》，Computer Vision: A Modern Approach. David A. Forsyth, Jean Ponce 著. 清华大学出版社. 2004
– Emanuele Trucco, Alessandro Verri, "Introductory Techniques for 3-D Computer Vision", Prentice Hall, 1998. – Mubarak Shah, "Fundamentals of Computer Vision ", /courses/cap6411/book.pdf – Olivier Faugeras, "Three Dimensional Computer Vision", MIT Press, 1993 – Richard Szeliski，”Computer Vision: Algorithms and Applications”, 2009, /en-us/um/people/szeliski/Book/ – “Pattern Classification (2nd Edition)”, by R.O. Duda, P.E. Hart, and D.G. Stork, Wiley-Interscience, 2000. – “Pattern Recognition and Machine Learning”, by Christopher M. Bishop, 2006 – Michael I. Jordan, “An Introduction to Probabilistic Graphical Models”
课程简介
• 课程设置情况：
– 部分国外大学的计算机视觉课程：
• CMU
– By Martial Hebert – 16-720 Computer Vision： /course/16-720/index.html
• UIUC
– By Jean Ponce, David Forsyth, Li Fei-Fei… – /~daf/
课程简介
• 相关课程：
– 数学基础课程：
• 摄影几何、微分几何、概率统计、数值计算与优化方法
– 专业基础课程：
• 图像处理
– 信号处理
• 模式识别 • 计算机图形学
– 计算几何
– 基本分析工具和数学模型
• • • • • • 信号处理方法: FFT, wavelets, filtering (kalman, particle)… 子空间方法: PCA, LDA, ICA, … 贝叶斯推理方法: EM, MCMC, …. 机器学习方法: SVM/Kernel machine, Boosting/Adaboost, NN/Regression, … HMM, Bayesian network (BN)/dynamic Bayesian network (DBN), … Gibbs random field (GRF), Markov Random Field (MRF), …
– /group/ipcv
– Google Scholar
•
– – – – –
Google Search Engine IEEE explorer CVPR papers on the Web ICCV papers on the Web ECCV papers on the Web
• .au/~hartley/
• 主要参考书：
课程简介
– Gary Bradski, Adrian Kaehler, "Learning OpenCV" – 于仕琪 刘瑞祯译, 学习OpenCV(中文版), 清华大学出版社
课程简介
• 其他参考资料：
– /watch?v=UzxYlbK2c7E&feature=related
• “Looking at People”, by David Forsyth
– /watch?v=xMNIxKy3MG0
• “UTokyo's e-Heritage Project: 3D Modeling of Heritage Sites”
– /watch?v=DPiMJkZ0YKI
• “Learning and Recognizing Visual Object Categories”, by Dan Huttenlocher
– Free University Lectures
• Vision Algorithms:
– Youtube - Google tech talk
• “IM2GPS: estimating geographic information from a single image”, CVPR2008
– /watch?v=dgif39IKT9A
• “Machine Learning (Stanford)”
• USC
– By Ram Nevitia – /~csci574/
• MIT
– By Trevor Darrell – /trevor/
• UCLA, UCSD, Caltech, Maryland……
– /education/courses/577/04sp/contents.html#BP
课程简介
• 成绩评定：
– 平时作业（50%）：
• 4~5个编程练习 • 每次作业在一周内提交
– 期末课程项目（Project）和报告（50%）：
• 根据讲课内容完成一个project，提交项目报告、实验程序、实验 结果和演示等。 • 课程项目和报告在课程结束后一周内提交。 – 所有作业和报告最迟必须在2010年1月28日前提交！
课程简介
• 本课程网址：
– ftp:///ComputerVision
– ftp://10.214.55.10/ComputerVision
– reference (课程资料、会议论文等) – slides – homework_upload (作业提交目录，请把你的程序压缩为一个 zip或rar文件，文件名为：20920001_某某.rar，并上传至每次 对应的Quiz_x目录下。文件上传后不能更新与删除，如果上传 后发现有错，需重新上传新的版本，新的文件名应为： 20920001_某某_更新.rar。每个人每次作业只允许更新一次。 如果存在更新版本，评分以更新版本为准！) – project_upload (期末项目与报告提交目录，上传文件方式参考 上述作业提交方式)
• 介绍计算机视觉的基础理论 • 从视觉成像与表达、低层视觉、中层视觉、高层视觉等多个角度阐述计算机视觉的 重要方法 • 介绍和分析计算机视觉的经典算法 • 介绍有关计算机视觉的最新应用 • 引导学生进入计算机视觉领域的研究。