计算机视觉

怎么说呢？给分确实好，一堆bonus，总评最后都超了100，但是zf确实讲得太烂了，感觉学了一学期不知道学了什么。。。如果为了绩点，就去卷bonus，然后自学吧。

课程时间安排很不合理，后面好几章来不及讲，transformer没讲，却出现在了期末考试的大题上，笑死。

原本说有quiz，这学期却没有。

4次作业，搬运其他课程的作业，感觉没认真准备，会有一些问题，包括但不限于环境搭建问题。

期中读论文，和学助汇报，第7周发，第9周汇报。

project发得很晚，14周发，18周周六答辩，8个选题，前面3个简单的满分100，后面5个难的满分110，前面忙其他课project和复习，真就考完试之后3天搓出来一个。。。

bonus：

1. 第一次作业满分110
2. 期中读论文满分110
3. 期末project选择4-8选题，满分110
4. 上课举手回答问题，一次总评加1分，上限5分，超极香！尽量拿满！

考试确实是助教出题，zf自己都说了，25选择，2大题，选择一题3分，得选择者得天下。就好好复习PPT吧，考什么挺随机的。

印象里今年是考这些，只记得部分了：

• 关于几种filter的描述是否正确，box filter我好像没复习到，却考了
• Laplacian pyramid和Gaussian pyramid的区别
• 哪一步不属于Keypoint Matching
• semantic segmentation和instance segmentation的区别，这个换着说法重复考了3题。。。
• PCA的目的是
• 不是2 stage object detection的是 YOLO
• object tracking的目的是什么
• RNN相关，RNN不能反向传播？可以的
• clip考了2题，contrastive loss，zero shot
• ViT的原理
• Button-up和up-buttom
• 3D 高斯泼溅和NeRF的对比

大题：

• 计算卷积后的维度，计算参数量（权重+偏置）
• RCNN的流程
• Fast-RCNN较RCNN改进了什么？
• 自注意力机制的表达式，整个流程，每一个中间步骤的维度

（为什么这门课没有人评价呢）这门课讲的内容相当的丰富，从前半学期的相机变换，传统图像处理，图像金字塔和前dl时代的各种算法（SIFT特征，Viola-Jones，DPM等等…）到后半学期的深度学习+cv，讲了各种人尽皆知的和我完全没听过的网络结构。assignment全部照搬的CS6476（不知道是哪个学校的课）工作量不大，但是没有显卡的话程序跑一遍还挺慢；期中写了个文献综述；project就是随便跑一个跟deep learning+cv的项目；期末25选择+2大题基本1h能写完但是不会的是真不会。总结优缺点

优点：

• 从前dl时代的cv一路到最近很火的多模态、visual language，算是一个对cv领域的系统入门（貌似有一些cv研究者对传统方法一窍不通

缺点：

• 必须狠狠吐槽，郑锋上课真的太烂了，ppt图文混杂，讲课凭感觉讲，视觉的各种算法本来过程就比较复杂还涉及一些别的领域的知识，相当考验自学能力，课外要花些时间要不然学不明白（可能是我太菜了
• 本课程涉及不少别的课程的知识，没学过信号与系统的同学在学习图像上的傅里叶变换的时候就有福了。还有后半学期大量涉及深度学习，郑锋两三周讲的东西能赶上张建国深度学习半个学期了…
• 期末考试卷子一看就是助教出的，考了一些莫名其妙的东西…比如transfer learning和gabor变换…理论课没有讲但是助教lab课自己发挥的东西哐哐出…还有clip出了好几个选择题，也就是说老师重点讲的东西可能不考，老师没讲的东西可能直接创死你

综上所述，如果以后想搞cv，这个课上上还是挺好