关于此课程

此课程介绍了计算机视觉,包括图像形成、摄像机成像几何、特征检测与匹配、多视图几何(包括立体法、运动估计与跟踪)和分类的基本原理。我们将开发基本应用方法,包括寻找图像中的已知模型、通过立体法进行深度恢复、摄像机标定、图像稳定、自动对齐(如全景照片)、跟踪和行为识别。计算机视觉 (CV) 的机器学习方面我们不会涉及太多,此分类理论在机器学习 (ML) 课程中学习效果最好。

本课程的重点在于激发方法的直觉和数学思维,通过问题集了解理论与实践之间的差别。幻灯片中的算法都非常完美。但是记住 Yogi Berra 曾经说过的话:理论上来说,理论和实践是没有差别的,但在实践中却并非如此。(爱因斯坦也说过类似的话,但谁对真实生活了解更多?)在此课程中,大多数时候你不需要应用高层次的库函数,只需使用低到中层算法来分析图像和提取结构信息。

学费
免费
学习时间
大约 4 months
难度
中级
你将获得

Rich Learning Content

Interactive Quizzes

Taught by Industry Pros

Self-Paced Learning

Student Support Community

开始你的旅程

学习这门免费课程,迈出通往深度学习职业道路的第一步。

免费课程

计算机视觉概论

合作企业 佐治亚理工学院

通过创新性的自主学习方式,掌握新技能,提升竞争力。

Icon steps 54aa753742d05d598baf005f2bb1b5bb6339a7d544b84089a1eee6acd5a8543d
 
 

课程讲师

Aaron Bobick

Aaron Bobick

讲师

Irfan Essa

Irfan Essa

讲师

Arpan Chakraborty

Arpan Chakraborty

北卡罗莱纳州立大学博士,优达学城课程策划

先修知识及要求

  • 数据结构:你将编写代码来构建图像、特征和几何结构的表达式。
  • 采用 NumPy 的 Matlab 和/或 Python 的充分工作知识。教学视频有时使用 Matlab 进行示范,因为讲师年纪较大,偷懒未做更换。问题集将在 Matlab 和 Python 中完成。如下方的资源备注中所提到,你可以使用 Matlab 或开源版本 Octave。
  • 此课程不只要求你掌握计算机科学 (CS) 相关知识,你还需要掌握:线性代数、矢量计算和线性代数(是的,我又说了一遍线性代数)。
  • 无需提前具备计算机视觉处理知识,但是若有信号处理相关经验更好。

查看使用优达学城的技术要求

为什么学习这门课程?

图像变得在计算中无处不在。有时候我们会忘记图像往往会捕捉物理场景中反射的光。这节课将帮助你了解图像形成与分析的基础知识,以及获得在远超像素级的层面提取信息的能力。对于想要以情景感知方式操作图像,或在来自多个情景的图像需要以适当的方式进行组合或组织时, 这些技能非常有用。

我将获得什么?
Instructor videos Learn by doing exercises Taught by industry professionals