周越 · 数字图像处理基础修读档案

课程内容：辛辛苦苦肝的大作业就给这个分数？逆天专业课。随便水个课都比这高 上课自由度： 考核标准： 授课质量：

？？？怎么什么东西都还没学，就要写程序识别五线谱了，我人还没学会走路已经让我去参加拉力赛 不是哥们，这么造火箭的吗 丢给deepseek没做出来，那这作业我也只能放弃了，真逆天，what can i say，属于是题目还没起跑老师已经吹响了哨子。

老师人挺好比陀螺还卖力，讲的也掏心掏肺认真，结果期末一出手给我卡绩，血条直接扣两格（我这不是阴阳，我是真的急眼了）。

课程内容：传统的图像处理方法加深度神经网络图像处理，从齐天大圣到炼丹炉都得走一遍。 上课自由度：高，还有奖回答问题，答对了仿佛领了小红花。 考核标准：两次大作业和一次知识图谱填写，大作业分别是车道线标志牌识别和手势识别，总体不难，但想高准确率就得花时间，熬出来的精度全是头发换的。 授课质量：很好，绝对在交大所有课程平均线之上，课件质量也不错。唯一缺陷是实践太少了，整套流程有种纸上谈兵的buff。

课程内容：水 上课自由度：高 考核标准：松 授课质量：水 送分如流水！

我现在就想知道给分标准是什么，它好像薛定谔的猫，且没有猫

课程内容： 正统图像处理方法扛了一大截，大概前面10周走传统流派 后面6周话锋一到，开始用CNN现代方法处理 每节课配发参考代码，边讲课边塞外挂 上课自由度： 较高，支持线上签到，人别端着就当到场了 考核标准： 三次作业20，大概第8周一次第12周一次都是动手写代码，还有一次提交和大模型问答的记录 平时分10，就是签到和canvas的以及quiz(一章一次) 大作业70，发你一份数据集和检测集，写个代码实现手势识别——用键盘认手势，颇有在家弯指头戳天的诗意 授课质量： 高。课程内容密度拉满，拿ppt做quiz复习足矣，但这门课还是有一点难，得多次把参考代码搓几遍才能心领神会

课程内容：传统数字图像处理那一套（压缩、算子等等）混搭现代深度学习图像处理方法，一锅端，祖师爷和AI同桌吃饭 上课自由度：高，课前扫码签到，最好把电脑背上，不然现场干瞪眼 考核标准：平时签到加canvas选择题10%，平时作业20%（第一次路线检测，第二次HOG角点，第三次是预习作业没代码，难度都不大），大作业70%是手势识别，建议直接上卷积神经网络，准确率高，工作量（参数）远小于传统方法，属于是把猪养肥了再杀 授课质量：因为课程内容多，老师讲得比较快，主打一个帮你理清思路；每个章节都丢代码项目，很有用，属于是喂饭喂到嘴边 老师会组织投票选大作业还是开卷考试（可以用电脑），貌似难度都不是很大，建议选大作业，不然16周有可能一口气考四门（including电力电子、仪表、模式识别），直接四重奏送走；大作业工作量看起来应该小于英文班

课程内容：老派数字图像处理一条龙，主打传统功夫，最后甩几招基于深度网络的图像处理当彩蛋。 老师还是比较好的，不然我早就在这儿开喷了，讲的内容算是比较全面，基本上你能用到的处理方法都给你从头到尾过了一遍，就跟办卡前把项目表全摊开一样；考试安排上也很为学生考虑，简直是怕你撞车怕你熬夜怕你崩溃的那种贴心。

课程内容：周老师亲笔写的全新秘籍，课本界的自研芯片 上课自由度：签到这玩意儿不存在，平时分直接喂到你嘴里，满满的 考核标准：开卷考试70%+课程交流10%+课程考勤10%+课程设计10% 授课质量：水分大到能养鱼，但分数给得又香又软 平时分全给你拉满（课程交流、课程考勤） 课程设计就是在仿真平台里搞倒车入库，老师直接发示例代码，你Ctrl+C Ctrl+V改两下就完事；就算你没做完，交个报告照样能搂走大部分分数 期末开卷考试，这学期直接转线上开卷，难度原地缩水，躺着都能游过去 一句话收尸：这门课挺不错，事少分多，人生难得一遇的送分菩萨

课程内容：大概是老师的ppt，基于周越老师编的教材，可以参考冈萨雷斯版。 上课自由度：比较自由，偶有提问。 考核标准：平时30+期末70，平时30包括10分的一次大作业，期末是开卷。 授课质量：很好。 因为今年jwc规定线上考试只能参考纸质教材，老师最后给我们改成随堂大作业的形式来让我们可以参考电子资料，总之赞美，属于在规则缝里给我们铺了条红毯。

课程内容：大部分经典数图算法，外加深度神经网络的介绍，一节课塞一整本武林秘籍。 上课自由度：较高。老师不怎么管大家听不听。但鉴于这门课知识量极大，大家还是多听听吧，不然考场上只能跟算法大眼瞪小眼。 考核标准：开卷笔试，一次大作业（调研性质的）。 讲课质量：老师知识水平比较高，无奈课程内容太多、时间太少，根本做不到细讲精讲，所以颇有PPT流水之嫌。不过重点的地方老师还是会强调的。考试也相对友好，不会为难大家，重点考察思维而不是死记硬背。对于不想写代码的同学来说，算是比较友好的一条路。

讲得勉强还凑合吧，课上主要是讲一些比较传统的图像处理方法，结合课本大概能理解是怎么回事。但上课根本不管实践，全靠自己摸索，理论给你画个圈，实践直接把你扔进野区。 大作业是比较麻烦的，好在要求不是特别高，如果做出来效果一般的话最后给分也不会很低。坑点很多，没经验的同学可能会比较难受，像开卷考试结果全文都是草书。我那次是做一个公交车乘客计数算法，给的视频挺模糊的，糊得像上世纪的监控录像，还需要自己根据这个视频素材做数据集，挺花时间，而且老师推荐用SVM，说他用SVM能达到95%以上的准确度，我死活只能做到70%，问他为什么，就说是因为数据集不够多，有点怀疑老师是怎么做到的。用YOLO的小组准确率就高多了。每周要写周报，好像有随缘加分。助教人数不少，但提供的帮助并不多，如果组内没人有类似经验，或者都不熟悉python和opencv，就会很焦虑，组队和抽卡差不多。 考试比较简单，只要肯动手写就行，把卷子填满了分数就不会低，主打一个比谁笔汗多。 比较奇葩的是上课还让我们充当免费小白鼠测试他们的一个智能车仿真平台，要做几组数据，知识之外还要客串测试工程师。虽然不影响成绩，内容也不是很复杂，但由于平台比较简陋难用，还是有点费心的，有种用木头做微波炉的粗糙感。这位老师带的工科创也有涉及这个平台，听说还占一部分成绩。

课程内容：数字图像处理(千万不要买教材科的书xs，死贵根本不用，那书买来就是用来压泡面的) 上课自由度：自由，偶尔发个签到码，上课不用听，听了也就那样 考核标准：开卷考30+大作业5060? 大作业炼丹，挺好混的，主打一个玄学出锅 讲课质量：一般，不好不坏，白开水本水 英文似乎是四次作业?中英文都没有强推和强坑，随缘吧，烧香抽签都行。