#模式识别与机器视觉 (18 posts)

根据前人回忆整理的模式识别与机器视觉期末复习范围，只记录可确认考点，不复原题干、分值或答案

模式识别与机器视觉 2026 年春季期末考试纯题版，包含选择、填空与解答题的考后回忆

模式识别与机器视觉 2026 年春季期末考试回忆题的参考答案，覆盖经典模式识别与深度机器视觉

模式识别系统的流水线、监督与非监督的区分、三大方法流派——全课的总览地图

最小错误率与最小风险两套决策准则、似然比形式、白血病例子与结论反转、0-1 损失下的统一

两步贝叶斯决策、MLE 五步法、各分布的 MLE 计算、均匀分布陷阱题、有偏无偏与 N-1 修正

最大间隔、±1 标签的两个红利、规范化与基本型、拉格朗日对偶、KKT 与支持向量、软间隔与答题主线

最大方差与最小误差两个视角殊途同归、协方差特征值分解、计算步骤与数值例、PCA 与 LDA 的本质区别

聚类准则、交替优化的 EM 思想、算法步骤、与 GMM 的硬软分配关系、肘部法则；文末附上半部分全公式速查

从全连接网络的参数困境出发，理解卷积、池化、感受野与权重共享，再走通 RNN、Attention、Self-Attention 和 Transformer

理解像素到语义的鸿沟，掌握 ViT 的 patch 序列、位置编码和分类 token，以及 Swin 的分层结构、窗口注意力与移位窗口

区分语义、实例和全景分割，理解像素级预测的演进，并掌握 SAM 的可提示任务、三组件架构、歧义输出和数据引擎

从分类加定位出发，串联候选框、IoU、NMS、R-CNN 四代演进、检测指标，以及 YOLO v1 与 v2 的网格预测

从判别模型与生成模型的区别出发，理解生成器和判别器的极小极大博弈、交替训练、最优判别器与训练不稳定

理解 DDPM 的前向加噪、一步采样公式与反向去噪，掌握噪声调度、UNet 噪声预测以及高质量但采样慢的原因

从无标注数据的对比学习出发，理解 InfoNCE 与 CLIP 图文对齐、zero-shot 分类，再掌握 Prompt Tuning、Adapter 和 LoRA

串联全课公式、固定结论、易错方向与简答题答题骨架，适合考前最后一次查漏补缺

围绕 VGGNet 的核心问题、3×3 小卷积核、A-E 网络配置、训练测试策略、实验结论与 7 分钟汇报结构整理课程大作业