Computer Vision and Pattern Recognition

课程简介

• 图像形成与图像模型：颜色；相机。 • 图像滤波与局部特征：线性滤波；边缘检测；纹理；特征描述符。 • 使用分类器寻找模板：图像分割；分类器；从类别直方图构建分类器；特征选择。 • 类别级识别：物体识别；决策树；最近邻规则（NNR）；支持向量机；人工神经网络；深度学习。

学习目标

1. 介绍学生图像形成的基本原理； 2. 介绍计算机视觉和模式识别的主要思想、方法和技术； 3. 培养学生对计算机视觉和物体识别系统设计中各种问题的认识； 4. 通过实现计算机视觉和物体识别应用提供编程经验。

先修要求

EIE3103 数字信号与系统（IMT/人工智能与工程学士学位）或 EIE3312 线性系统（电子工程/物联网工程学士学位）

教学模式

讲授：讲解基本原理和关键概念；指导进一步阅读、应用和实现。 辅导课：补充讲授内容，小班授课；澄清概念，加深理解；讨论问题和应用实例。 实验室课：使用软件工具构建简单应用。