COSC0029 计算机视觉基础

[Emanual20]

https://nkucs.icu/#/courses/grade-3/COSC0029

NKUCS，一个充满了「神仙」和「神仙」课程的专业，本网站旨在记录 NKUCS 的信息以及历届学生的评价

[ashun989]

一门很硬核的课，早有耳闻这课的难度较高，我抱着感兴趣+挑战自己的心态选了课，收获也是比较多的：

没事不要旷课，不要不交作业，不要违反学术规范（一学期见到很多个同学因为类似的原因被口头给了挂科），课上有随堂测验（选择or主观）一定要听讲。开学前几周比较轻松，会给大家时间配置OpenCV相关环境，熟悉基本操作等。之后就是5次平时作业，每2周交一个，不可延期，是上课提到的内容（作业比课堂进度慢2-3周左右），个人按照从1到3给出我认为的难度分：

1. Hybrid Image (1)
2. Canny Edge Detection (2)
3. Feature Match (2)
4. SIFT Feature Detector (3)
5. Depth Estimation (2)

尽管调用OpenCV的实现可能没几行就能得到结果，但是老师要求的是使用C++自己实现，最好还能有自己的探索改进，有的题目范围说得比较大，比如深度检测，包含了特征配准、相机参数标定、立体匹配等多个流程，不可能都做，本社恐人就默默地查资料、翻论文、最后才确定一篇做立体匹配阶段的论文复现（事实上如果张开嘴问老师应该没那么麻烦）； 大作业是小组完成一个自选题目的探究，从学期初就有一次开题报告，期末时再小组结题汇报，并提交小论文，老师要求比较严格，抱着锻炼学习的心态面对吧；

关于打分，我本身就没有抱有太高的期待，因为有两次的平时作业我给自己留的时间太少，复现效果不咋地，结果分数给的比我自己预期的高，满足了。

P.S. 感觉学弟学妹们越来越厉害了，我觉得如果对计算机视觉经典算法感兴趣的话，还是值得一试的。

[Emanual20]

一门很硬核的课，早有耳闻这课的难度较高，我抱着感兴趣+挑战自己的心态选了课，收获也是比较多的：

没事不要旷课，不要不交作业，不要违反学术规范（一学期见到很多个同学因为类似的原因被口头给了挂科），课上有随堂测验（选择or主观）一定要听讲。开学前几周比较轻松，会给大家时间配置OpenCV相关环境，熟悉基本操作等。之后就是5次平时作业，每2周交一个，不可延期，是上课提到的内容（作业比课堂进度慢2-3周左右），个人按照从1到3给出我认为的难度分：

1. Hybrid Image (1)
2. Canny Edge Detection (2)
3. Feature Match (2)
4. SIFT Feature Detector (3)
5. Depth Estimation (2)

尽管调用OpenCV的实现可能没几行就能得到结果，但是老师要求的是使用C++自己实现，最好还能有自己的探索改进，有的题目范围说得比较大，比如深度检测，包含了特征配准、相机参数标定、立体匹配等多个流程，不可能都做，本社恐人就默默地查资料、翻论文、最后才确定一篇做立体匹配阶段的论文复现（事实上如果张开嘴问老师应该没那么麻烦）； 大作业是小组完成一个自选题目的探究，从学期初就有一次开题报告，期末时再小组结题汇报，并提交小论文，老师要求比较严格，抱着锻炼学习的心态面对吧；

关于打分，我本身就没有抱有太高的期待，因为有两次的平时作业我给自己留的时间太少，复现效果不咋地，结果分数给的比我自己预期的高，满足了。

P.S. 感觉学弟学妹们越来越厉害了，我觉得如果对计算机视觉经典算法感兴趣的话，还是值得一试的。

第一个给无人区课程留下详细评论的同学！赞！

[YottabyteM]

这个课无论课堂还是作业都蛮硬核的。内容主要包括一些经典的图像处理算法，同时也会引入一些老师之前的工作。老师水平很高，每个知识点都信手拈来，课堂密度在中后期还是挺大的。老师的 PPT 和讲解都很到位，认真听的话不会有太大问题，实在不懂的可以多看看论文或者直接问老师。每节课都有签到，随堂测试计入总成绩，一般报的人相对较少，旷课迟到很容易就会被发现。作业主要是实现一些经典算法，OpenCV只能用来干一些基础操作，今年作业源码都不需要提交，也不用写报告，直接和老师1v1，抄袭、运行bug、原理错误、展示效果不佳等问题都会影响分数，建议至少提前三天开始写。

之前学长说的已经很完整了，我根据个人情况再给出一些补充，适合像我一样的CVnoob:

• 需要复/预习的知识(按照难度排序)

1. 卷积
2. 基本的DP和图论算法
3. 矩阵运算
4. 数字信号处理中频域时域转换和对应关系
5. 传统机器学习和深度学习(入门级别就行)
6. 射影几何(入门级别就行)

• 作业难度和可扩展点(每次作业占总评10分，大作业占40分，实现基础部分给75，实现了但是有问题可能会给60，基础之上加拓展可能会到90+?除了SIFT其余的基础实现都很简单，我根据基础+拓展也按照1-3给出难度分)

0. OpenCV环境配置(5): 不多解释。
1. Hybrid Image(1): 基础实现不难，可做的拓展不是很多，手写卷积等一些基础工作可能不会给太高的分数，可以试试把卷积过程用二维FFT写出来，也可以试试并行优化。(核心代码量大概300)
2. Canny Edge Detector(2): 基础实现有点难，容易出现各种各样不好的效果，可以考虑输出一下中间结果，比如连边的时候可以把每条边用一种颜色标出来看看连续性(老师教的)。拓展的话可以把之前的手写FFT迁移过来，然后写写floodfill什么的(写起来简单，不容易出错)，还可以考虑一下自适应阈值(里面还可以加点二维前缀和之类的小优化)。(核心代码量大概500-600)
3. Feature Match(1): 基础实现很简单，直接ratio test即可。拓展的也不是很困难，可以实现一下课上提到的GMS。(核心代码量大概300)
4. SIFT(3): 基础实现就非常难，需要结合作业3检验特征点质量。拓展反倒不困难，可以试试ASIFT，也可以试着换一下descriptor，当然还可以并行优化。(核心代码量大概800-1000+)
5. Depth Estimation(3): 我和队友都是视差匹配，基础的可以基于ssd或者ncc。拓展的话可以试试sgm、sgbm、adcensus、graphcut等算法(选一个就行)。每一个都不是很容易，建议尽早做，gc算法我只给自己留了一晚上，网络流建图建错了，寄得彻底。(核心代码量大概500-800+)
6. Final(3): 首先建议找靠谱的队友，不求带飞，但是要有输出。其次建议基于传统算法做，既能体现工作量同时也容易有创新。基于深度学习的太简单容易给低分(比如backbone)，太复杂了时间不够卡不够训不完结果还不一定能保证，解释性也很差。老师的代码功底和理论功底都非常强大，基本一眼就能看出工作量和难度，大伙要认真对待。我们队是直接调研拓展了视差匹配，两个人各拓展一类传统算法，另一个人整了深度学习算法，最后给分还不错。

• 新手(我)使用OpenCV常常遇见的问题

1. 数据类型: 尽量使用浮点类型(CV_64F或者CV_32F)，直接用整型最后效果可能会非常差，浮点整型混着用容易出一些未知错误，建议写几个宏统一精度。
2. 坐标系选取: 注意一下col/row和x/y，容易混。
3. 内存管理: 莫名其妙有些Mat被析构了，我认为这个主要是编译器优化的bug，建议写的时候省去没有用的中间变量传递。
4. 图片显示: 有时候imshow了发现是全黑的，一方面可以用老师推荐的Image Watch(确实好用，强烈推荐)看一下像素值，另一方面可以给Mat乘一个较大的数值(比如100)增加亮度，之后还有问题再找程序的bug。

大伙如果有充足的时间，并且对CV方向感兴趣的话，一定不要错过这门课！

[GTMDTTKP773]

非常好程明明，使我的选修挂了，爱来自南开 这门课看上去是选修，实际上完全建议当成一节必修课来对待，时间不够建议别选 如果你希望在课上有所收获，建议在每节课前先预习，课后倒是不用复习，作业会帮你复习。以及，程明明会每节课点名。 作业是复现某些经典的图像分析算法，量说大不大说小不小，前几次作业大致是一晚上工作量，后面大概是三到四晚上。以及，程明明对抄袭非常反感（并且真的会查），宁可迟交，不要抄袭。 个人的血泪教训是一定要留充足的时间给大作业，起码把它当做必修课大作业来对待。 最后，不得不说这门课可以说是对我的帮助最大的一门选修课了，如果你想学习计算机视觉方面，还是推荐选课的