首先,请你下载好python解释器或conda,以下教程将基于conda
- Anaconda安装与配置全攻略（2025版） - 知乎：学习conda的下载流程
- CUDA学习之路1]——速通环境配置 - 杜子源的博士居：学习Pytorch和Triton配置
- pip修改国内镜像源（临时/永久） - 知乎：python换源教程
python -c "print('Hello Python')" #预期输出Hello Python推荐网站：Python 基础教程 | 菜鸟教程
我们建议，在本地电脑上下载 claude 或者 codex 的命令行工具,下载流程如下
-
前往
Node.js官网下载好Node.jsNode.js — 下载 Node.js®，并添加到环境变量中 -
下载
claude或者codex，使用如下命令下载
#claude的下载
npm install -g @anthropic-ai/claude-code
#codex的下载
npm install -g @openai/codex上述下载过程请参考：
Claude CLI 从安装到使用完整教程（Windows 版）Claude Code 是 Anthropic 官方推出 - 掘金
2026 最新 Codex CLI 国内安装与使用全攻略（Windows / Mac / Linux） - 知乎
- 如果没有
claude和codex的api密钥该怎么办🤓
前往CC Switch 官方网站 - AI 编程工具统一管理平台,下载CC Switch，可能需要科学上网，然后你就可以用Claude CIL和Codex CIL接入其他模型
CC Swich的配置请参考： CC Switch下载、安装和配置教程（图解，超级详细） - 知乎
注：本次题目不对编程语言有要求，你也可以使用C++等你喜欢编程语言完成以下题目
在计算机视觉（CV）领域，数据的预处理与图像的基本操作是构建所有上层算法的基石。无论是传统的图像处理，还是基于深度学习的目标检测与分割，第一步永远是“如何正确地读入一张图”以及“如何对其进行最基本的变换”。本题目将带领你逐步了解opencv与pillow这两个最基础的图像库的使用,学会图像处理的基本技能。
- 使用opencv+pillow打开并显示任意一张图片，并分离输出图片的三个通道
- 对图片进行缩放，旋转，平移，翻转操作
- 使用opencv,检测example1.jpg的轮廓并保存，同时计算轮廓的总面积和总周长
- 使用opencv进行对example2.mp4运动目标检测,比较使用MOG2 背景减除与未使用背景减除对运动物体识别的影响
- 使用opencv的tracker(追踪器)，对example3.mp4,example4.mp4中小球进行追踪，保存追踪结果视频，并思考如何提高追踪准确度
-
项目源码
-
example2.mp4与example3.mp4与example4.mp4的检测结果视频
-
一份文档，其中包含
-
题一，题二图像操作结果
-
题三绘制有轮廓的图像与总面积和总周长数据
-
题四的两种方法处理的标注视频与分析
-
题五的标注视频与结果分析
-
MNIST 被誉为计算机视觉界的“Hello World”。本次任务要求大家利用 多层感知机（MLP） 来完成对该数据集的分类识别。虽然 MLP 并非最强的视觉模型，但它包含了神经网络最核心的前向传播、反向传播与梯度更新机制。通过实现一个简单的 MLP，你将深刻理解“数据如何流入网络”、“损失如何回传”以及“模型如何拟合”这三个贯穿整个深度学习生涯的基本问题。
- 神经元 / 感知机
- 权重 & 偏置
- 激活函数
- 前向传播
- 隐藏层 & 输出层
- 全连接层
训练与优化
- 损失函数
- 梯度下降
- 混合精度训练
- 反向传播（链式法则）
- 学习率
- 优化器
- Epoch、Batch、Iteration
关键技巧与调参
- 过拟合 & 欠拟合
- 正则化（L1、L2、Dropout）
- 批归一化（Batch Normalization）
- 训练集 / 验证集 / 测试集
基础工具与概念
- Tensor / 张量
- 自动求导（Autograd）
- GPU 与CPU区别
使用梯度下降，完成对下述二元函数的拟合：
要求绘制出原函数(不包含噪声)真实图像，与pytorch拟合的函数图像,同时输出拟合获得的参数值与决定系数:R²
参数如下：
绘图示例：
使用pytorch与pandas和图像库，构建简单的多层感知机，读取数据，完成手写字体的识别
要求绘制模型训练的损失函数(Loss),训练准确度(Train Acc),测试准确度(Test Acc)，与可视化至少3张图片结果
- 项目源码
- 一份文档，其中包含
- 题一 ：你对深度学习的各种概念的理解
- 题二 : 原函数(不包含噪声)真实图像，与pytorch拟合的函数图像,拟合获得的参数值与决定系数:R²
- 题三 ：模型训练的损失函数(Loss),训练准确度(Train Acc),测试准确度(Test Acc)图片，与可视化结果
大一同学从4个方向中任选1个完成，大二同学任选2个完成,完成提高部分的我们将优先考虑！！！
背景 ：随着深度学习的快速发展，目标检测技术在各个领域得到了广泛应用，如自动驾驶、智能监控、医疗影像分析等。YOLO（You Only Look Once）作为一种经典的目标检测算法，以其速度快、精度高的优势，成为工业界和学术界最受欢迎的目标检测框架之一。相信你也从task2的example5.mp4中,发现仅用opencv识别被遮挡和具有复杂轨迹的物体效果很差,这时使用YOLO来进行目标追踪与识别是一种很好的解决方法。本题将基于YOLO模型，实现对无人机目标的追踪。
题目：
- 前往Ultralytics官网 ,学习YOLO的基本
api接口，学会如何训练与使用YOLO模型进行推理 - 使用YOLO官方的预训练模型权重对
目标追踪识别方向example文件夹下的三张图片进行推理保存 - 基于我们所提供的无人机数据集与无人机预训练权重
drone.pt进行训练,导出并保存模型与训练结果绘图 - 对
example目录无人机飞行视频进行推理，分析（EAO（可选），模型大小(MB)，推理速度(fps)）指标 - （提高）对导出模型进行
fp16或int8量化及onnx或TensorRT导出，在保证精确度下，提高模型推理速度
提交材料：
- 项目源码
- 推理好的图片与视频
- 一份文档，其中包含
- 模型训练的损失函数(Loss),训练准确度(Train Acc),测试准确度(Test Acc)，与混沌矩阵图片
- 指标数据及分析
- (如有完成提高部分)导出的模型大小与推理速度与原模型比较分析
推荐数据集: drone and bird https://app.roboflow.com/ds/nSMQrzUp0X?key=TTcKC8vGXi
背景: 图像分类是计算机视觉中的基础任务之一，广泛应用于工业检测、遥感识别、医学影像分析、智能安防等场景。传统卷积神经网络能够有效提取局部纹理与边缘特征，而 Transformer 结构具有较强的全局建模能力。结合卷积网络与 Transformer 方法，有助于提升模型对复杂图像场景的分类准确率与泛化能力，具有重要的研究价值和应用前景。
题目:
- 请基于深度学习方法，设计并实现一种卷积神经网络图像分类模型，对图像数据集进行分类训练与测试.
- （提高）对原模型结构进行改进，例如引入注意力机制、数据增强或轻量化模块，在保证模型准确率的同时，提高模型泛化能力或推理速度。了解Vit原理,无需使用这个架构
提交材料：
- 项目源码
- 分类结果可视化图片
- 一份文档，其中包含
- 模型结构设计说明
- 模型训练的 损失函数(Loss)、训练准确率(Train Acc)、测试准确率(Test Acc) 曲线
- 模型分类结果分析
- （如有完成提高部分）改进方法及实验对比分析
推荐数据集： Intel Image Classification https://www.kaggle.com/datasets/puneet6060/intel-image-classification
背景: 时序数据广泛存在于工业监测、气象预测、金融分析、交通流量预测、设备故障诊断等实际应用场景中。时序模型的核心目标是从历史数据中学习时间依赖关系，并对未来状态或类别进行预测。循环神经网络、LSTM、GRU、Temporal CNN 以及 Transformer 等模型均可用于时序建模。通过构建有效的时序预测或分类模型，可以提升系统对动态变化过程的分析与预测能力。
题目:
- 请基于深度学习方法，设计并实现一种时序模型，可选择 RNN、LSTM、GRU、TCN 或 Transformer 等结构，完成一个时序预测或时序分类任务。要求给出模型训练过程中的 Loss 曲线，并使用合适的评价指标对模型效果进行分析，例如 MAE、MSE、RMSE、Accuracy 等。
- （提高）对模型进行优化，例如引入注意力机制、多层时序特征提取、滑动窗口预测、多变量输入、归一化处理或模型轻量化方法，在保证预测精度的同时，提高模型的稳定性与推理速度。
提交材料：
- 项目源码
- 时序预测结果或分类结果可视化图片
- 一份文档，其中包含
- 数据集介绍与预处理方法
- 模型结构设计说明
- 模型训练的 损失函数(Loss) 曲线
- 模型评价指标结果，如 MAE、MSE、RMSE 或 Accuracy
- 预测曲线与真实曲线对比图，或分类结果混淆矩阵
- （如有完成提高部分）模型改进方法及实验分析
推荐数据集： Air Passengers Dataset https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv
背景： 恶劣天气条件下的图像退化是计算机视觉领域长期面临的挑战之一。在智能交通、遥感监测、户外监控等实际应用场景中，雾霾天气会导致采集到的图像出现对比度下降、色彩偏移、细节模糊等问题，严重影响后续目标检测、语义分割等高层视觉任务的性能。图像去雾作为底层视觉增强的关键预处理环节，旨在从单张或多张有雾图像中恢复出清晰的场景内容，具有重要的研究价值与应用前景。常见有GAN,CNN,Transformer,Diffusion等模型
题目:
- 请你基于图像处理或深度学习技术，设计并实现一种轻量级去雾算法，在保证去雾效果的同时兼顾处理速度，还原清晰真实场景。要求测量模型生成图片的PNSR及模型的推理速度
- （提高）对导出模型进行
fp16或int8量化，在保证精确度下，提高模型推理速度 - 模型推荐结构,你也可以在此基础上改进或采用新的模型结构：
# ==================== 3. 生成器 (U-Net) ====================
class UNetDown(nn.Module):
def __init__(self, in_channels, out_channels, normalize=True, dropout=0.0):
super().__init__()
layers = [
nn.Conv2d(in_channels, out_channels, kernel_size=4, stride=2, padding=1),
nn.LeakyReLU(0.2, inplace=True)
]
if normalize:
layers.append(nn.BatchNorm2d(out_channels))
if dropout:
layers.append(nn.Dropout2d(dropout))
self.model = nn.Sequential(*layers)
def forward(self, x):
return self.model(x)
class UNetUp(nn.Module):
def __init__(self, in_channels, out_channels, dropout=0.0):
super().__init__()
layers = [
nn.ConvTranspose2d(in_channels, out_channels, kernel_size=4, stride=2, padding=1),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True)
]
if dropout:
layers.append(nn.Dropout2d(dropout))
self.model = nn.Sequential(*layers)
def forward(self, x, skip_input):
x = self.model(x)
x = torch.cat((x, skip_input), 1)
return x
class DehazeGenerator(nn.Module):
def __init__(self, in_channels=3, out_channels=3):
super().__init__()
# 下采样
self.down1 = UNetDown(in_channels, 64, normalize=False)
self.down2 = UNetDown(64, 128)
self.down3 = UNetDown(128, 256)
self.down4 = UNetDown(256, 512, dropout=0.5)
self.down5 = UNetDown(512, 512, dropout=0.5)
self.down6 = UNetDown(512, 512, dropout=0.5)
self.down7 = UNetDown(512, 512, dropout=0.5)
self.bottleneck = nn.Sequential(
nn.Conv2d(512, 512, kernel_size=4, stride=2, padding=1),
nn.LeakyReLU(inplace=True),
nn.Dropout2d(0.5)
)
# 上采样
self.up1 = UNetUp(512, 512, dropout=0.5)
self.up2 = UNetUp(1024, 512, dropout=0.5)
self.up3 = UNetUp(1024, 512, dropout=0.5)
self.up4 = UNetUp(1024, 512)
self.up5 = UNetUp(1024, 256)
self.up6 = UNetUp(512, 128)
self.up7 = UNetUp(256, 64)
self.final = nn.Sequential(
nn.ConvTranspose2d(128, out_channels, kernel_size=4, stride=2, padding=1),
nn.Tanh()
)
def forward(self, x):
d1 = self.down1(x)
d2 = self.down2(d1)
d3 = self.down3(d2)
d4 = self.down4(d3)
d5 = self.down5(d4)
d6 = self.down6(d5)
d7 = self.down7(d6)
bottleneck = self.bottleneck(d7)
u1 = self.up1(bottleneck, d7)
u2 = self.up2(u1, d6)
u3 = self.up3(u2, d5)
u4 = self.up4(u3, d4)
u5 = self.up5(u4, d3)
u6 = self.up6(u5, d2)
u7 = self.up7(u6, d1)
out = self.final(u7)
return out
# ==================== 4. 判别器 (PatchGAN) ====================
class Discriminator(nn.Module):
def __init__(self, in_channels=3):
super().__init__()
# 输入: [有雾图, 生成图/清晰图] → 6通道
# 注意：移除了最后的Sigmoid层，配合BCEWithLogitsLoss使用
self.model = nn.Sequential(
# 第一层: 不归一化
nn.Conv2d(in_channels * 2, 64, kernel_size=4, stride=2, padding=1),
nn.LeakyReLU(0.2, inplace=True),
# 第二层
nn.Conv2d(64, 128, kernel_size=4, stride=2, padding=1),
nn.BatchNorm2d(128),
nn.LeakyReLU(0.2, inplace=True),
# 第三层
nn.Conv2d(128, 256, kernel_size=4, stride=2, padding=1),
nn.BatchNorm2d(256),
nn.LeakyReLU(0.2, inplace=True),
# 第四层
nn.Conv2d(256, 512, kernel_size=4, stride=1, padding=1),
nn.BatchNorm2d(512),
nn.LeakyReLU(0.2, inplace=True),
# 输出层 - 移除Sigmoid
nn.Conv2d(512, 1, kernel_size=4, stride=1, padding=1),
)
def forward(self, input_img, target_img):
# 拼接有雾图和目标图（生成图或清晰图）
combined = torch.cat([input_img, target_img], dim=1)
return self.model(combined)提交材料：
-
项目源码
-
可视化去雾效果
-
一份文档，其中包含
- 模型训练的生成器损失函数(G_loss ),生成器损失函数( D_loss ),PNSR的绘图
- (如有完成提高部分)PNSR及推理速度分析
- (如有修改模型结构)模型改进方法及实验分析
推荐的模型结构的相关数据
推荐数据集: 去雾图像数据集 https://www.modelscope.cn/datasets/LunaAmandatio/dahazing
注:你可以选择其余的去雾数据集进行训练
请将除代码外文件(如视频,图片,报告)打包发送到 3813579841@qq.com,代码请在github建立一个Public的仓库,并按班别-姓名-学号-仓库链接的格式发送到题目仓库(https://github.com/LunaAmandatio/ComSen2026_Algorithm_Recruitment/tree/master）的Issues下。
参考资料
- 良好的版本控制习惯可以有效避免 “改了一下午代码后它跑不起来了，但是我又改不回去了” 之类的极端情况。推荐使用 Git
- 奶龙也能看懂的pytorch入门教程《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili
- 正确的使用项目结构可以提高代码可读性与更好的排查问题【Python进阶系列】第10篇：Python 项目的结构设计与目录规范 —— 从脚本到模块，从混乱到整洁 - 知乎
- 不清楚神经网络结构,这里有各种网络简介 人工智能深度学习100种网络模型，精心整理，全网最全，PyTorch框架逐一搭建 - 知乎
- YOLO原理解析【一次看懂】YOLO物体检测是如何工作的 | 算法解析_哔哩哔哩_bilibili
- 理解YOLO的
plots参数生成的各图表含义YOLO模型训练报告解读_哔哩哔哩_bilibili - 神经网络并不是只能用python构建,Libtorch开发环境搭建 - 知乎
- 常见数据集网站：魔塔社区，Hugging Face，Roboflow