先看官方原话：第二轮要求掌握 sklearn 与 PyTorch 的基本应用，「问题可能涉及计算机视觉、语音识别、自然语言处理、大语言模型等多个前沿研究领域」。注意是「可能涉及」而不是"必考"——这个措辞决定了备赛策略。
一、第一轮不涉及计算机视觉
这一条要先确认，否则时间会投错地方。第一轮 NOAI 水平测试的范围是：Python 基础编程、基础数据结构、人工智能基本概念和基础算法；官方对「人工智能基础知识」的要求写的是「对人工智能有一定了解，理解人工智能的基本方法和基本概念」。
而且这一轮以个人为单位进行纸笔考、不涉及上机，形式上也不可能考图像任务。所以在第一轮阶段研究 CNN 和目标检测，是错配。
| 层次 | 官方表述 | 计算机视觉的位置 |
| 第一轮 水平测试 |
Python 基础编程、基础数据结构、人工智能基本概念和基础算法；纸笔考、不涉及上机 | 不涉及 |
| 第二轮 中国站 |
掌握 sklearn 与 PyTorch 的基本应用，能在文档的帮助下用它们解决真实人工智能研究问题；「问题可能涉及计算机视觉、语音识别、自然语言处理、大语言模型等多个前沿研究领域」 | 可能涉及之一 |
| IOAI 关键技能 |
计算机视觉：了解图像处理、特征提取、目标检测、图像分割等计算机视觉的基本概念和方法 | 六项技能之一 |
| 工具要求 | 第二轮另要求掌握 Numpy、Pandas、Matplotlib 三个包的基本使用；编程语言 Python、框架 PyTorch | |
二、官方对计算机视觉列了四个词
IOAI 关键技能清单里，计算机视觉一项的原文是：了解图像处理、特征提取、目标检测、图像分割等计算机视觉的基本概念和方法。这四个词就是官方给出的全部范围，值得逐个看它们在问什么：
① 图像处理——图像在计算机里是什么（像素、通道、尺寸），以及缩放、裁剪、归一化这类基本变换。这是所有后续任务的入口，也是最容易被跳过的一层。
② 特征提取——从像素里得到"有意义的东西"。传统方法是边缘、纹理；深度学习时代由卷积层自动完成。
③ 目标检测——不只回答"图里有什么"，还要回答"在哪里"，输出的是框。
④ 图像分割——比检测更细，逐像素判断属于哪一类。
注意官方用的动词是「了解……基本概念和方法」，不是"精通"或"实现"。四个词的排列本身就是难度递增的顺序，也是合理的学习顺序。
三、比"考什么"更关键的一句：能在文档的帮助下
第二轮的官方要求里有一个限定语很多人会略过：掌握 sklearn 与 PyTorch 的基本应用，并能在文档的帮助下使用它们解决问题。
这句话降低了记忆负担，同时提高了另一种能力的权重。你不需要背下每个 API 的参数——但你需要能读懂官方文档，并快速把需要的部分用起来。这两件事是不同的训练：前者靠刷，后者靠"故意不查教程、只看官方文档做一遍"。
配合第二轮的形式看会更清楚——上机实验并完成实验报告。既然要写报告，说明考的不只是跑通，还有你能不能解释自己做了什么、为什么这样做。
四、官方点名的参考资料里，有一门正是计算机视觉
官方给出的参考资料清单里，有一份直接对应这一块：斯坦福大学 CS231n 课程幻灯片——计算机视觉与卷积神经网络讲座幻灯片。另一份 CS224n 对应自然语言处理与基于 Transformer 的模型。
这条信息的价值在于它划定了深度。CS231n 是大学本科高年级/研究生入门课程，官方推荐的是它的讲座幻灯片，而不是完整课程或作业——配合"了解基本概念和方法"这个措辞，目标是把概念脉络走通，不是把每个作业都做完。
其余官方参考还包括参考书《动手学机器学习》（张伟楠、赵寒烨、俞勇）、台湾大学李宏毅《机器学习》（内容精选版），以及由 IOAI 2024、2025 俄罗斯队领队 Alexander Guschin 梳理的各国选拔真题汇总。实验环境方面官方提到了 Bohrium Notebook 并附有使用教程。
五、想知道通常学到什么深度？看课程大纲，但别当考纲
⚠️ 下面这份是本站辅导课程的大纲，不是官方考纲。
国赛课程里机器视觉部分占 14 课时，内容为：卷积神经网络（CNN）、目标检测（Object Detection）、Unet、生成对抗网络（GAN）。深度学习部分另有 12 课时，含 PyTorch 入门、CNN、ResNet、目标检测与 OpenCV、YOLO 算法。
把它和官方那四个词对一下能看出对应关系：CNN 对应"特征提取"，YOLO / Object Detection 对应"目标检测"，Unet 对应"图像分割"。顺序也一致——先 CNN，再检测，最后分割。
六、一条务实的准备路线
如果你还在第一轮阶段：不要碰计算机视觉。把 Python 基础编程、基础数据结构、AI 基本概念练扎实，那才是这一轮的全部。
如果你已进入第二轮准备：按"图像处理 → 特征提取 → 目标检测 → 图像分割"的顺序走一遍概念，每一层都用 PyTorch 亲手跑一个最小例子。重点不是把准确率调高，而是能说清每一步在做什么——因为要写实验报告。
不要押宝。官方写的是"可能涉及计算机视觉、语音识别、自然语言处理、大语言模型等"——四个领域并列，谁都可能出现。比起赌某一个方向，更稳的做法是把 sklearn 与 PyTorch 的通用能力练熟：数据怎么读进来、模型怎么定义、训练循环怎么写、结果怎么评估。这套流程在四个领域里是共用的。
七、奖项与赛程
NOAI 奖项包括一二三等奖及参与奖，获奖比例为：一等奖前 10%、二等奖前 10%-30%、三等奖前 30%-50%、参与奖 50%。
NOAI 中国区分两轮（水平测试、中国站），面向中国大陆 9-12 年级在校中学生，第一轮由全国各城市认证评估中心组织、须在国内线下参与。⚠️ 2027 赛季的具体日期与报名窗口官方目前尚未公布，以组委会后续发布为准。备赛不必等日期——上面三层的内容范围是稳定的。
🔥 AI 奥赛体验课，限时 9.9 元（原价 649 元）
翰林名师亲授，一课打通 AI 四大领域，零基础也能学，扫码即可报名咨询 ⇓
官方写的是"可能涉及"——所以别押方向，把读文档、搭流程这套通用功夫练熟更划算。
NOAI新赛季备赛已开启，扫码领取NOAI备赛资料
欢迎咨询【NOAI竞赛辅导课程】
