COMP9517

计算机视觉

课程定位 COMP9517 是 UNSW 计算机硕士专业在‘感官智能’维度的核心选修课。它解决了机器‘看懂世界’的底层命题：如何从二维像素中提取三维特征？如何让计算机识别并跟踪运动物体？它是通往自动驾驶算法、医学影像分析、及 AR/VR 研发岗位的硬核通行证。它将经典的图像处理算法、多视角几何与现代卷积神经网络 (CNN) 深度整合，是培养‘视觉算法专家’专业灵魂的必修课。 技术栈与学习内容 课程围绕‘图像理解与空间重构’展开。核心技术栈包括：Python OpenCV 库、NumPy 以及深度学习框架 (PyTorch/TensorFlow)。学习内容涵盖：图像增强与空间域/频率域滤波、特征检测 (SIFT, SURF, Harris Corner)、图像分割 (Thresholding, K-means, GrabCut)、立体视觉 (Stereo Vision) 与运动估计 (Optical Flow)、以及基于深度学习的对象检测 (YOLO) 与语义分割。课程强调‘算法对光照、噪声及遮挡的鲁棒性’。 课程结构 10 周理论高强度输出与两个极具实战意义的视觉项目结合。评估体系极具工业感：包含针对基础算法实现的每周 Lab、一个要求解决特定视觉场景（如医学细胞计数或交通流量监控）的 Major Project、以及一场强调几何推导、滤波器设计与模型对比能力的期末综合大考。该课极其强调‘数学变换与像素操作的直观关联’。 适合人群 计算机硕士、或打算进入计算机视觉领域的理工科生。必须具备扎实的线性代数与 Python 编程基础。如果你想搞清楚‘特斯拉是如何识别红绿灯的’、或者渴望在未来的医疗人工智能领域建立核心算法壁垒，这门课是你的神功。建议每周投入 18-22 小时进行算法调优。