课程概况：

课程名称：计算机视觉

上课时间：

6月30日（下午4学时）

7月3日（下午4学时）

7月7日（下午4学时）

7月10日（下午4学时）

7月14日（下午4学时）

7月17日（下午4学时）

7月21日（下午4学时）

7月24日（下午4学时）

上课地点：沙河校区

上课方式：课堂讲授为主。每节课后一般指定1-2篇文献阅读；课程将包含分组研讨内容，以增强学生的探索能力和尽快进入科研的能力；课程将包含指定方向上的最新文献搜集、阅读和关键算法实现环节。

考试方式：课堂开卷

课程简介：

课程内容：

本课程讲授和讨论计算机视觉前沿研究领域的主要思想、关键方法和代表性算法。使学生对计算机视觉学科有比较深入和系统的了解，掌握计算机视觉的基本理论和编程方法，为进一步开展计算机视觉相关研究奠定基础。

本课程内容包括计算机视觉学科近四十年发展历程中产生的一些重要理论和方法，有些内容要求一定的数学基础，具有一定的难度，如摄像机标定和三维重建方面的内容，建议同学们可以预先阅读本课程的教学大纲，并在“http://vision.ia.ac.cn/zh/teaching/index.html”网址上阅读胡占义研究员撰写的本课程的一些章节，特别是第一章（计算机视觉简介），第二章（生物视觉简介）。

课程大纲（以实际上课内容为准）：

第1章：绪论

第2章：底层视觉I:深度学习初步知识与特征检测

第3章：底层视觉II:特征描述与匹配

第4章：底层视觉III：图像分割

第5章：三维视觉I:相机模型与射影几何基础

第6章：三维视觉II：相机标定

第7章：三维视觉III:场景三维重建

第8章：三维视觉IV:语义三维重建

第9章：三维视觉命题研讨

第10章：运动视觉I：运动检测

第11章：运动视觉II：物体跟踪

第12章：运动视觉III:行为识别

第13章：计算机视觉中的常用优化方法

第14章：计算机视觉中传统机器学习方法

第15章：图像物体表达

第16章：物体视觉命题讨论

第17章：典型视觉应用及系统

第18章：视觉测量及计算摄影学简介

教材及参考资料：

1. Hartely and Zisserman, Multiple View Geometry in Computer Vision, Cambridge University Press, 2000。

2. R. Szeliski, Computer Vision: Algorithms and Applications, Springer, 2011.

任课老师：

专门邀请中科院自动化所的董秋雷研究员来讲授。

任课教师简介

董秋雷，博士，研究员，博士生导师。2008年毕业于中国科学院自动化所，获工学博士学位。从2008年至今，在中科院自动化所模式识别国家重点实验室工作。2014年至2015年间，在美国加利福尼亚大学洛杉矶分校（UCLA）进行访问研究。目前受聘为中国科学院自动化研究所研究员、中国科学院大学岗位教授、中国科学院脑科学与智能技术卓越创新中心青年骨干，并担任国际期刊《Journal of Computer Science and Technology》青年编辑（Young AE）、《雷达学报》客座编辑、中国自动化学会模式识别与机器智能专业委员会委员、以及多个国内外学术会议的程序委员会委员（Program Committee Member）。先后主持承担国家自然科学基金联合基金重点项目、重大项目课题、中科院战略先导专项子课题、国防科技创新特区项目等多项科研项目。曾获2020年度中国科学院朱李月华优秀教师奖。主要研究方向为模式识别与三维计算机视觉。