强大的统计模型可以从大量数据中有效地学习，目前正在彻底改变计算机视觉。这些模型具有丰富的内部结构，反映了特定于任务的关系和约束。本教程向读者介绍计算机视觉中最流行的结构化模型类。我们的重点是离散无向图模型，我们详细介绍了概率推理和最大后验推理的算法。我们分别讨论了最近在一般结构化模型中成功的预测技术。在本教程的第二部分中，我们将描述参数学习的方法，其中我们将经典的基于最大似然的方法与最新的基于预测的参数学习方法区分开来。我们着重介绍了增强当前模型的发展，并讨论了核化模型和潜变量模型。为了使教程具有实用性并提供进一步研究的链接，我们提供了计算机视觉文献中许多方法的成功应用实例。