排序和筛选
汪婧雅 (2)
其他 (3)
汪婧雅, 顾家远 (1)
汪婧雅, 石野 (0)
绝版CV，观点很高
2023 年 秋学期
其他
先说总评
首先是绝版 CV 了，因为高盛华老师去港大了，部分同学吐槽 23 秋高老师的 CV 比较抽象，确实有一些。进行了一个比较大的改革，将原本比较总览的 CV 课程变成了主要 focus on 重建这一 3D 视觉的重要任务的课程，从相机参数开始，讲到深度估计，讲到 NeRF (Neural Radiance Field) 这一个最近两年比较火的三维表达，上课观点很高，能学到很多比较前沿的论文和想法，感觉还是非常有意义的课程，确实是有一些收获的！至少在我个人看来比传统的 CV 课上法有意思多了，给分感觉还不错？周边采样基本都是 A 和 A+，部分 A-
关于 workload
讲课方式和Slides都比较抽象 不好复习
2023 年 秋学期
其他
[写在前面的话：上这门课，你会收获：整套 DL 流程的经验 (配环境、处理数据、跑训练、调参、以及学习怎么使用学校集群)；熟悉 pytorch；学习怎么看论文；关于 learning 一些知名 / 热点技术的科普（CV 三维重建 生成式模型 自然语言处理）]
在上这门课之前下载了前几年的 slides，本来以为会按大纲讲计算机视觉的经典算法，结果实际课程内容主要围绕三维重建 & 热点技术，后半学期还岔出去讲了点自然语言处理。学的时候比较坐牢，因为高讲课时比较随心，经常出现不按 slides 讲的情况，所以需要记很多笔记。课程内容和 slides 匹配度差的另一个结果是期末很难复习，需要自己对着笔记去整理，想办法把口头讲的内容和 piazza 上给的材料关联起来，而且找不到前几年 cv 的考题（据拿到了往年题的同学说考的内容也对不上）。上面讲的这一点导致学的时候 & 复习的时候比较坐牢，经常会怀疑自己是不是没学明白，好在考试与上课讲的内容强关联，只要认真做了整理考试很简单，最后的给分也不错。
然后来讲讲作业和 project，第一份作业应该 cv1/cv2 都是一样的，用 resnet 训练网络点人头，对之前没有 DL 基础的同学来讲会有一些调试上的困难，需要花大量时间去熟悉 pytorch（以及痛苦的配环境）。其他的作业都和三维重建有关，难度不算很大，但是比较花时间，特别是这门课要求代码 + cvpr 格式的报告，推测给分和报告质量强相关，想拿一个好的分数最好要认真写报告。
建议改名三维重建（）
2023 年 秋学期
其他
高盛华新版 cv，上课内容比较玄幻，不是那种广撒网面面俱到的课，主要都 focus 在 3d 的领域里。从相机内外参开始，讲单目 / 双目深度估计，一直到 NeRF，然后加一些 deep learning 方面的内容。有利有弊吧，一开始上下来会完全摸不着头脑，对这方面不是很感兴趣的同学会比较折磨（x 但上完确实能对这个领域了解更多，而且效果很好，感觉比传统的上法更有意义，是个很特别的课。
总共三次作业加上一次考试和 project，作业要求比较神奇，但似乎不怎么看效果，主要考察思路。（做一次作业至少得一两天，结果占比 10%，和签到一个分 x 大头都在考试
闭卷考试效果出乎意料地好
2021 年 秋学期
汪婧雅
1. 高盛华老师一直在努力让课程质量变好 2. 如果遇到几个常坐前排并且小声跟老师交流的同学，就会听不清老师讲的内容。还是希望老师把同学回复的内容重复一下，而不是 "说得对". 3. 闭卷考 CV, 确实让我弄明白了很多东西，并且到现在还可以记得. CV 的 proj 里面涉及大量的 DL 技术，留待以后探索也不迟.
匿名用户
要学机器学习还得看视觉课
2020 年 秋学期
汪婧雅
（这是对于高盛华老师 cs172 课程的评论）学的时候比较痛苦，但是真的能学到很多有用的东西。虽然上课的时候 Slides 过于抽象，quiz 又不会，期末还是闭卷考试。但是学完之后发现，考前一个周的突击让我背住了不少知识点。而且视觉这门课的作业以及 project 真的让我理解了不少机器学习的知识。