人工智能科研項目：計算機視覺及深度學習技術(shù)在VR/AR中的應用基于姿態(tài)估計和極線幾何等方法的圖像全景拼接算法開發(fā)【大三及以上組】

導師學校介紹

卡內(nèi)基梅隆大學（CMU）始建于1900年，是世界范圍內(nèi)頗負盛名的私立研究型大學，擁有世界歷史最悠久的計算機學院之一，位列CSRankings排名世界第一，U.S.News計算機本科及碩士項目與斯坦福大學，麻省理工學院，加州大學伯克利分校并列全美第一?！敖刂?019年3月，學校的教員和校友中共有20人獲得諾貝爾獎，13人獲得圖靈獎，22人獲評美國藝術(shù)與科學院院士，19人進入美國科學促進會，72人入選美國國家學院。卡內(nèi)基梅隆大學是美國四大計算機名校之一，連續(xù)多年問鼎全球計算機專業(yè)排名第一。

導師詳細介紹

導師昵稱

Kris

導師級別

終身教授

終身正教授&計算機視覺研究生項目主任

卡內(nèi)基梅隆大學(CMU)

Kris導師現(xiàn)任卡內(nèi)基梅隆大學終身教授及計算機視覺碩士項目主任。導師于南加州大學獲得學士學位，在東京大學獲得碩士和博士學位。Kris教授研究興趣涉及計算機視覺、機器學習和人機交互等領(lǐng)域。他的研究興趣主要集中在第一人稱視覺、人類活動建模和反向強化學習的交叉領(lǐng)域。導師論文曾獲得ICCV 2017的Marr獎榮譽獎，CHI 2017和CHI 2020的最佳論文榮譽獎，W4A 2017和2019的最佳論文，ACCV 2014的最佳應用論文和ECCV 2012的最佳論文榮譽獎。

Kris is an associate research professor and director of the MS in Computer Vision program of the Robotics Institute at Carnegie Mellon University.He received his BS at the University of Southern California and his MS and PhD at the University of Tokyo.His research projects span the areas of computer vision,machine learning and human computer interaction.In particular,his research interests lie at the intersection of first-person vision,human activity modeling and inverse reinforcement learning.His work has been awarded the Marr Prize honorable mention at ICCV 2017,best paper honorable mention at CHI 2017 and CHI 2020,best paper at W4A 2017 and 2019,best application paper ACCV 2014 and best paper honorable mention ECCV 2012.

適合人群

方向：理工

專業(yè)：人工智能

適合專業(yè)：計算機科學，電子與計算機科學，信號與信息處理，深度學習，計算機視覺，人機交互

項目價格：33800

項目周期：7周在線小組科研+5周論文輔導

是否建議高中生學習：否

是否建議大學生學習：是

語言：英文

難度：中級/高級難度

建議具備的基礎(chǔ)：對人工智能、機器學習、深度學習、計算機科學、計算機工程、數(shù)據(jù)科學、通信以及交叉學科和方向感興趣的學生；學生需要具備微積分及線性代數(shù)基礎(chǔ)，至少有一門編程語言的深度學習與計算機視覺算法實現(xiàn)經(jīng)歷

科研項目產(chǎn)出

7周在線小組科研學習+5周論文指導學習共125課時+不限時論文指導

學術(shù)報告

優(yōu)秀學員獲主導師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導（可用于申請）

結(jié)業(yè)證書

成績單

項目介紹

項目涵蓋計算機視覺領(lǐng)域的常用深度學習方法和前沿技術(shù)，比如生成模型、計算機視覺API、AutoML Vision。項目結(jié)束后，學生將完成兩頁Jupyter Notebook形式的報告，創(chuàng)建計算機視覺應用程序部署在邊緣推理平臺，進行成果展示。學生將能夠從頭開始建立計算機視覺模型，完成指定場景應用。

個性化研究課題參考：

基于計算機視覺的動態(tài)手勢識別

應用計算機視覺對果蔬表面缺陷的判別研究

深度測量及物體三維模擬重構(gòu)

項目背景

1956年達特茅斯會議以來，人工智能已走過60年的風風雨雨，期間歷經(jīng)兩次繁榮與低谷，喧囂與沉寂。千禧年后，大數(shù)據(jù)的蓬勃發(fā)展和算力的指數(shù)級增長賦予了深度學習新的生機。深度學習如破竹之勢將機器輔助功能變?yōu)榭赡?，讓人工智能在各個應用領(lǐng)域?qū)崿F(xiàn)落地。其中，人工智能一個重要的研究方面就是計算機視覺?！坝嬎銠C視覺是一門研究如何使機器‘看’的科學，更進一步的說，就是指用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量，其本質(zhì)是模擬人類的感知與觀察的一個過程?！睋?jù)國金證券發(fā)布的調(diào)研報告稱，計算機視覺是AI領(lǐng)域應用場景最豐富、商業(yè)化價值最大的領(lǐng)域，占中國AI市場的34.9%，排名第一。目前，相關(guān)技術(shù)已經(jīng)在金融、自動駕駛、醫(yī)療、安防、互動娛樂等多個應用場景落地。計算機視覺背后的深度學習知識有哪些？如何將這些知識與實踐相結(jié)合？

項目大綱介紹

緯度轉(zhuǎn)換 2D Transformations

邊緣檢測與圖像拼接 Homography Estimation

單視圖幾何 Single View Geometry

姿態(tài)估計和極線幾何 Pose Estimation and Epipolar Geometry

內(nèi)核矩陣估計 Fundamental Matrix Estimation

學術(shù)研討1：教授與各組學生探討并評估個性化研究課題可行性，幫助學生明晰后續(xù)科研思路 Research Workshop I

學術(shù)研討2：學生將在本周課前完成程序設(shè)計原型（prototype）及偽代碼（Pseudocode），教授將根據(jù)各組進度進行個性化指導，確保學生優(yōu)質(zhì)的終期課題產(chǎn)出 Research Workshop II

項目成果展示 Final Presentation

>>沒有教授推薦信，缺少科研經(jīng)驗？點擊這里提升背景<<