西电计算机视觉大作业

### 关于西安电子科技大学计算机视觉课程的大规模作业资料与题目

针对西安电子科技大学计算机视觉课程中的大规模作业，通常这类作业旨在让学生深入理解并实践所学理论。具体来说：

#### 1. 图像特征提取与匹配
学生被要求实现SIFT算法来检测图像的关键点，并通过描述符进行匹配[^1]。

import cv2
from matplotlib import pyplot as plt

def sift_feature_matching(img1, img2):
    # 初始化 SIFT 检测器
    sift = cv2.SIFT_create()
    
    # 查找关键点和描述子
    kp1, des1 = sift.detectAndCompute(img1,None)
    kp2, des2 = sift.detectAndCompute(img2,None)

    # 使用 BFMatcher 进行暴力匹配
    bf = cv2.BFMatcher()
    matches = bf.knnMatch(des1,des2,k=2)

    good_matches = []
    for m,n in matches:
        if m.distance < 0.7*n.distance:
            good_matches.append([m])

    result_img = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good_matches,None,flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
    plt.imshow(result_img),plt.show()

此部分不仅考察了学生的编程能力，还测试其对底层原理的理解程度。

#### 2. 物体识别项目
另一个常见的大型作业是基于卷积神经网络(CNN)的对象分类任务，在该任务中学生们需构建自己的数据集并对预训练模型进行微调以提高准确性。

这些作业往往伴随着详细的指导文档以及评分标准说明文件，帮助学生更好地完成学习目标的同时也锻炼了解决实际问题的能力。