单项课程

计算机视觉概论

by
佐治亚理工学院

佐治亚理工学院提供 CS6476

纳米学位项目

获得纳米学位证书,加速你的职业发展。

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好。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
学习时间
大约 4 个月
难度
中级
你将获得

丰富的教学材料

互动随堂练习

业界专业导师

自主掌握进度

开始你的旅程

学习这门单项课程,迈出通往 职业道路的第一步。

单项课程

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
 
 

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?
教学视频随堂练习专业导师
Contact Udacity

Hi,我是你的专属学习规划师

不知道选什么课?和我聊聊吧!

Contact Udacityicon-chat规划学习路径