计算机视觉是跨学科的科学领域，开发了可以使计算机从数字图像或视频中提取高级信息的理论和方法。新南威尔士大学的计算机视觉(COMP9517)课程介绍了该领域的基本概念，并提供了开发计算机视觉实际应用的机会。课程涉及到一次考试，考试的成绩占比为40%。我们在考试之前应该复习哪些内容呢？考点整理如下。
一、考点整理
1、图像形成、图像处理
2、特征表示
3、模式识别
4、图象分割法
5、运动跟踪
6、应用程序
7、深度学习/应用
二、复习目标
考试旨在评估同学是否能够：
1、解释计算机视觉的基本科学、统计和工程方法。
2、使用现有软件平台实现和测试计算机视觉算法。
3、通过集成软件模块构建更大的计算机视觉应用。
4、解释和评论计算机视觉文献中的文章。
三、复习材料
同学在复习时可以阅读下述材料：
1、Richard Szeliski. Computer Vision: Algorithms and Applications. Springer, 2021 (second edition).
2、Dana H. Ballard and Christopher M. Brown. Computer Vision. Prentice Hall, 1982.
3、Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press, 2016.
4、David A. Forsyth and Jean Ponce. Computer Vision: A Modern Approach. Prentice Hall, 2011.
5、Simon J. D. Prince. Computer Vision: Models, Learning and Inference. Cambridge University Press, 2012.
要想学好新南威尔士大学的计算机视觉(COMP9517)课程，同学应该能很好的使用Python编程，熟悉数据结构和算法，以及基本统计学知识。同时要学习使用和集成软件(例如OpenCV，Scikit-Learn，Keras)，并熟悉向量微积分和线性代数。如果同学有课程方面的知识没有完全掌握，或是想让老师指导进行考前复习，直接联系我们即可。