计算机视觉教程：关键参考书籍与课程结构详解

本资源是一份详细的计算机视觉教程PPT，涵盖了17个幻灯片的内容，旨在教授学生关于计算机视觉的基本概念和应用。课程大纲包括机器学习、理论实践、技术介绍和项目作业的评分规则。课程共分以下几个部分： 1. **参考书籍**： - Ramerh Jian等人编著的《机器视觉》（Major Reference） - David M. Ballard等人编著的《计算机视觉》 - David Marr的《视觉》 - Emanuele Trucco的《三维计算机视觉入门技术》 - Scatt E. Umbaugh的《计算机视觉与图像处理》 - 贾云得编著的《机器视觉》 - 李介谷著的《计算机视觉的理论和实践》 - 马颂德的《计算机视觉——计算机理论与算法基础》 2. **评分规则**： - 作业：10% - 考试：60% - 项目：30% - 重要的截止日期： - 项目提案提交：2021年5月11日 - 项目报告提交：2021年7月6日 - 所有书面作业必须使用中文完成 - 最终考试：2021年7月6日 3. **课程内容**： - 课程1：介绍 - 计算机视觉的目标是通过2D投影（图像）恢复关于三维场景的有用信息，如深度结构、三维运动分析、表面和方向，以及三维物体的状态和动作理解（认知）。 - 计算机视觉的别名： - 机器视觉 - 机器人视觉 - 图像理解 - 场景分析 每个任务的挑战在于需要从二维图像中解析出这些三维信息，这涉及到复杂的图像处理、模式识别和深度学习技术。课程将引导学生通过理论学习和实际项目来掌握这些技能，从而深入理解计算机如何理解和解释我们看到的世界。通过这个教程，学生将能够构建自己的计算机视觉系统，应用于工业自动化、自动驾驶、医学图像分析等领域。