王雷全，吳春雷，郭曉菲，孫 冰

（中國(guó)石油大學(xué)(華東) 計(jì)算機(jī)與通信工程學(xué)院，山東 青島 266580）

1 背 景

人工智能的迅速發(fā)展將深刻改變?nèi)祟惿鐣?huì)生活、改變世界。為搶抓人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，黨中央、國(guó)務(wù)院制定了《新一代人工智能發(fā)展規(guī)劃》。我國(guó)已成為全球人工智能的發(fā)展中心之一，但面臨著巨大的人才缺口。如何通過(guò)合理可行的培養(yǎng)方案設(shè)計(jì)與實(shí)施，支撐本科層次人工智能人才培養(yǎng)目標(biāo)的實(shí)現(xiàn)，已成為各高校相關(guān)專業(yè)面臨的重大挑戰(zhàn)。目前，我國(guó)很多高校已開(kāi)設(shè)智能科學(xué)與技術(shù)專業(yè)，著力培養(yǎng)新一代人工智能人才[1]。智能科學(xué)與技術(shù)專業(yè)一般都對(duì)培養(yǎng)方案、知識(shí)結(jié)構(gòu)、教學(xué)內(nèi)容和實(shí)踐體系進(jìn)行了廣泛的改革和建設(shè)。但是，對(duì)實(shí)踐環(huán)節(jié)的規(guī)劃不成體系，很少有專門的規(guī)劃和總體的建設(shè)思路。

2 人工智能課程實(shí)踐教學(xué)面臨的問(wèn)題

2.1 各課程實(shí)驗(yàn)環(huán)節(jié)間缺少銜接，缺乏統(tǒng)一的實(shí)踐平臺(tái)

教學(xué)大綱的編制過(guò)程中雖已充分考慮了人工智能課程內(nèi)容應(yīng)有的前后相繼和彼此支撐的關(guān)系，但是這一銜接關(guān)系在實(shí)踐教學(xué)環(huán)節(jié)卻被忽略，各個(gè)課程往往各自割據(jù)，尤其是實(shí)踐平臺(tái)各自獨(dú)立制訂，無(wú)法形成合力。課程的實(shí)驗(yàn)環(huán)境多種多樣，Matlab、Java等不能統(tǒng)一，學(xué)生花費(fèi)大量精力在編程語(yǔ)言上，忽略了人工智能算法本身。因此，迫切需要提供統(tǒng)一的實(shí)驗(yàn)平臺(tái)，有效打破課程實(shí)踐環(huán)節(jié)之間的藩籬，提高學(xué)習(xí)效率，優(yōu)化實(shí)踐效果。

2.2 實(shí)驗(yàn)教學(xué)案例落后，缺少與實(shí)際相結(jié)合的典型應(yīng)用

傳統(tǒng)實(shí)驗(yàn)教學(xué)案例多為模擬問(wèn)題[2]，很難直觀觀察到算法的效果，導(dǎo)致學(xué)生不能全面理解算法的優(yōu)缺點(diǎn)。此外，實(shí)踐內(nèi)容偏于理論，缺乏與實(shí)際相結(jié)合的實(shí)踐案例。當(dāng)前人工智能技術(shù)，尤其是深度學(xué)習(xí)[3]發(fā)展迅速，需要向?qū)W生實(shí)時(shí)傳授最新技術(shù)進(jìn)展。因此，迫切需要將最新的典型應(yīng)用案例融入實(shí)踐教學(xué)中，從而更加清晰地向?qū)W生展示專業(yè)領(lǐng)域的知識(shí)脈絡(luò)。

2.3 課堂實(shí)踐教學(xué)缺乏后續(xù)銜接，缺少對(duì)課外創(chuàng)新實(shí)踐的支持

學(xué)生在本科期間要學(xué)習(xí)大量的知識(shí)，隨著互聯(lián)網(wǎng)技術(shù)和應(yīng)用的發(fā)展，特別是反轉(zhuǎn)課堂理念逐步被接受和認(rèn)可，課外學(xué)到的知識(shí)已經(jīng)成為課內(nèi)知識(shí)的重要補(bǔ)充?！皠?chuàng)新實(shí)踐”是高校學(xué)術(shù)研究和應(yīng)用研究的重要活力源泉，是實(shí)踐教學(xué)的進(jìn)一步延展[4]。如何使學(xué)生在創(chuàng)新過(guò)程中將精力專注在核心算法上，避免重復(fù)勞動(dòng)，進(jìn)而降低創(chuàng)新成本，提升創(chuàng)新效率，創(chuàng)造更多創(chuàng)新價(jià)值是高校實(shí)踐教學(xué)面臨的問(wèn)題。因此，迫切需要提供對(duì)創(chuàng)新實(shí)踐的全面支持，節(jié)約復(fù)雜的后端系統(tǒng)配置和維護(hù)所帶來(lái)的成本消耗，降低創(chuàng)新成本，提高創(chuàng)新效率。

3 面向人工智能課程群的智能視覺(jué)實(shí)驗(yàn)平臺(tái)

機(jī)器視覺(jué)是當(dāng)前人工智能的研究熱點(diǎn)，因此，將人工智能理論與機(jī)器視覺(jué)相結(jié)合，建設(shè)面向人工智能課程群的智能視覺(jué)實(shí)驗(yàn)平臺(tái)具有重要意義。面向人工智能課程群的智能視覺(jué)實(shí)驗(yàn)平臺(tái)可以為人工智能教學(xué)提供前沿的應(yīng)用場(chǎng)景，在人工智能教學(xué)過(guò)程中，理論聯(lián)系實(shí)際，激發(fā)學(xué)生的學(xué)習(xí)興趣，同時(shí)為人工智能教學(xué)、科研、競(jìng)賽提供堅(jiān)實(shí)的支撐。教學(xué)實(shí)驗(yàn)平臺(tái)需要在教學(xué)過(guò)程中與理論教學(xué)內(nèi)容深入結(jié)合，通過(guò)設(shè)計(jì)不同的實(shí)驗(yàn)?zāi)繕?biāo)，將相關(guān)知識(shí)點(diǎn)進(jìn)行整合，實(shí)現(xiàn)技術(shù)的綜合運(yùn)用。此外，實(shí)驗(yàn)內(nèi)容的設(shè)置應(yīng)以技術(shù)的實(shí)際行業(yè)應(yīng)用為標(biāo)準(zhǔn)，實(shí)驗(yàn)過(guò)程盡可能接近于完整的產(chǎn)品開(kāi)發(fā)過(guò)程。為此，對(duì)智能視覺(jué)實(shí)驗(yàn)平臺(tái)進(jìn)行了總體規(guī)劃，并制訂了平臺(tái)建設(shè)方案。

3.1 智能視覺(jué)實(shí)驗(yàn)平臺(tái)總體規(guī)劃

目前人工智能課程群主要包括智能計(jì)算基礎(chǔ)、人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、視覺(jué)物聯(lián)網(wǎng)技術(shù)、多媒體技術(shù)與應(yīng)用、數(shù)字圖像處理、科研實(shí)踐等課程。經(jīng)過(guò)廣泛的調(diào)研分析與評(píng)估，課程組提出以智能視覺(jué)為應(yīng)用背景，構(gòu)建基于python+Tensorf l ow[5]的多課程共享綜合教學(xué)實(shí)踐平臺(tái)，結(jié)合人工智能在機(jī)器視覺(jué)方面的最新進(jìn)展，向?qū)W生提供覆蓋“人工智能課程群”的基礎(chǔ)實(shí)踐資源、科研創(chuàng)新資源與學(xué)科競(jìng)賽資源，力求將“人工智能課程群”的理論知識(shí)與實(shí)踐項(xiàng)目集成于智能視覺(jué)實(shí)驗(yàn)平臺(tái)。智能視覺(jué)實(shí)驗(yàn)平臺(tái)總體規(guī)劃如圖1所示。

圖1 智能視覺(jué)實(shí)驗(yàn)平臺(tái)總體規(guī)劃圖

面向人工智能課程群的智能視覺(jué)實(shí)驗(yàn)平臺(tái)面向?qū)嶒?yàn)教學(xué)、科研創(chuàng)新與學(xué)科競(jìng)賽3個(gè)層次。智能視覺(jué)實(shí)驗(yàn)平臺(tái)在統(tǒng)一性、先進(jìn)性、共享性與高效性4個(gè)方面進(jìn)行規(guī)劃，力求支撐本科人工智能人才培養(yǎng)的實(shí)踐環(huán)節(jié)。

（1）統(tǒng)一性，構(gòu)建統(tǒng)一的基于python+tensorf l ow的人工智能實(shí)踐平臺(tái)，實(shí)現(xiàn)人工智能課程群的實(shí)踐教學(xué)資源整合；

（2）先進(jìn)性，以智能視覺(jué)為應(yīng)用案例，將人工智能實(shí)踐內(nèi)容與實(shí)際結(jié)合，實(shí)時(shí)補(bǔ)充最新的人工智能進(jìn)展；

（3）共享性，開(kāi)放學(xué)生與老師的解決方案，達(dá)到開(kāi)放式實(shí)驗(yàn)的目的；

（4）高效性，使學(xué)生的精力專注在核心算法，避免重復(fù)勞動(dòng)。

3.2 智能視覺(jué)實(shí)驗(yàn)平臺(tái)建設(shè)方案

3.2.1 智能視覺(jué)實(shí)驗(yàn)平臺(tái)設(shè)計(jì)

依照對(duì)智能視覺(jué)實(shí)驗(yàn)平臺(tái)的總體規(guī)劃，課題組設(shè)計(jì)了如圖2所示的智能視覺(jué)實(shí)驗(yàn)平臺(tái)。智能視覺(jué)實(shí)驗(yàn)平臺(tái)的研發(fā)，能夠?qū)⑾嚓P(guān)課程的實(shí)驗(yàn)項(xiàng)目進(jìn)行改寫，統(tǒng)一集成于python+TensorFlow平臺(tái)，通過(guò)設(shè)置應(yīng)用場(chǎng)景，各模型算法的執(zhí)行結(jié)果可以從視覺(jué)應(yīng)用中觀察到。智能視覺(jué)實(shí)驗(yàn)平臺(tái)分為基礎(chǔ)框架層、模型算法層、視覺(jué)應(yīng)用層以及綜合評(píng)價(jià)層。

圖2 智能視覺(jué)實(shí)驗(yàn)平臺(tái)框架圖

（1）基礎(chǔ)框架層：為了實(shí)現(xiàn)智能視覺(jué)實(shí)驗(yàn)平臺(tái)的高效性，避免學(xué)生重復(fù)搭建、配置實(shí)驗(yàn)環(huán)境，平臺(tái)采用Linux操作系統(tǒng)，并使用容器化技術(shù)Docker實(shí)現(xiàn)虛擬化環(huán)境。在Docker環(huán)境下可以調(diào)用CPU、GPU等硬件資源，并在此技術(shù)上搭建基于python的TensorFlow實(shí)驗(yàn)開(kāi)發(fā)平臺(tái)，同時(shí)配置模板、制作鏡像以供使用。

（2）模型算法層：模型算法層是智能視覺(jué)實(shí)驗(yàn)平臺(tái)的核心，其包括數(shù)據(jù)預(yù)處理、特征提取以及機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等算法。學(xué)生可以將完成的算法放入模型算法層，向下可以調(diào)用基礎(chǔ)框架層的硬件資源，向上可以向視覺(jué)應(yīng)用層提供核心算法。所有算法模型依托于TensorFlow平臺(tái)，供視覺(jué)應(yīng)用層調(diào)用，并可以展示算法效果。

（3）視覺(jué)應(yīng)用層：視覺(jué)應(yīng)用層以技術(shù)綜合運(yùn)用為目標(biāo)，設(shè)置與實(shí)際相結(jié)合的最新應(yīng)用案例，例如基于深度學(xué)習(xí)的人臉識(shí)別、物體檢測(cè)與視頻分析等智能視覺(jué)應(yīng)用實(shí)驗(yàn)項(xiàng)目。視覺(jué)應(yīng)用層可以調(diào)用模型算法層的相關(guān)算法，提高實(shí)驗(yàn)和創(chuàng)新效率。

（4）綜合評(píng)價(jià)層：提供客觀與主觀的學(xué)生評(píng)測(cè)機(jī)制。客觀評(píng)測(cè)按照算法執(zhí)行的效果，如準(zhǔn)確率等評(píng)測(cè)標(biāo)準(zhǔn)。主觀評(píng)測(cè)從算法的理論水平、先進(jìn)性等方面對(duì)學(xué)生進(jìn)行評(píng)測(cè)。

3.2.2 智能視覺(jué)實(shí)驗(yàn)平臺(tái)實(shí)驗(yàn)內(nèi)容

智能視覺(jué)實(shí)驗(yàn)平臺(tái)面向課內(nèi)實(shí)驗(yàn)教學(xué)、綜合設(shè)計(jì)、課外競(jìng)賽與科研創(chuàng)新。一方面，課程組通過(guò)對(duì)傳統(tǒng)實(shí)驗(yàn)內(nèi)容進(jìn)行改進(jìn)、改寫使之能夠融入TensorFlow平臺(tái)。另一方面，根據(jù)人工智能技術(shù)最新進(jìn)展，加入新的實(shí)驗(yàn)內(nèi)容，例如卷積神經(jīng)網(wǎng)絡(luò)、物體檢測(cè)等最新人工智能進(jìn)展。智能視覺(jué)實(shí)驗(yàn)平臺(tái)將實(shí)驗(yàn)內(nèi)容劃分為基礎(chǔ)實(shí)驗(yàn)、進(jìn)階實(shí)驗(yàn)與綜合實(shí)驗(yàn)3個(gè)層次。

基礎(chǔ)實(shí)驗(yàn)與課程內(nèi)容密切相關(guān)，其面向課內(nèi)實(shí)驗(yàn)教學(xué)，強(qiáng)化對(duì)課程基本理論的理解。此過(guò)程能夠使學(xué)生掌握一定的操作技能和實(shí)踐知識(shí)，引導(dǎo)學(xué)生在學(xué)習(xí)過(guò)程中發(fā)現(xiàn)問(wèn)題和提出問(wèn)題?；A(chǔ)實(shí)驗(yàn)包括傳統(tǒng)圖像特征提取、視頻光流提取、Apriori算法、最大期望（EM）算法、分類與回歸樹(shù)、聚類、AdaBoost、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、降維與度量學(xué)習(xí)、特征選擇與稀疏表示、概率圖模型、SVM、K-NN等。

進(jìn)階實(shí)驗(yàn)將部分課程設(shè)計(jì)與具體課程分離，面向綜合設(shè)計(jì)，按照國(guó)內(nèi)外高校的先進(jìn)教學(xué)模式，強(qiáng)調(diào)學(xué)生的選題先進(jìn)性和實(shí)踐環(huán)節(jié)的連貫性，鼓勵(lì)學(xué)生將實(shí)踐環(huán)節(jié)與最新科學(xué)進(jìn)展結(jié)合。在進(jìn)階實(shí)驗(yàn)部分，設(shè)置的實(shí)驗(yàn)內(nèi)容包括卷積神經(jīng)網(wǎng) 絡(luò) CNN（AlexNet、VggNet、ResNet）、 長(zhǎng) 短時(shí)記憶網(wǎng)絡(luò)LSTM、生成對(duì)抗網(wǎng)絡(luò)GAN、物體檢測(cè)（Faster-Rcnn、SSD、YOLO）與強(qiáng)化學(xué)習(xí)等。

綜合實(shí)驗(yàn)根據(jù)人工智能方向設(shè)置實(shí)驗(yàn)內(nèi)容，面向課外競(jìng)賽與科研創(chuàng)新，側(cè)重工程開(kāi)發(fā)能力、創(chuàng)新能力的培養(yǎng)，使學(xué)生能夠得到創(chuàng)新意識(shí)與實(shí)踐能力的雙重培養(yǎng)。在綜合實(shí)驗(yàn)部分，設(shè)置實(shí)驗(yàn)內(nèi)容包含圖像語(yǔ)言描述（如CNN+LSTM+Attention）、視頻行為識(shí)別（如DTPP、TSN）、人臉識(shí)別（如Facenet）、基于視覺(jué)的自動(dòng)駕駛等綜合應(yīng)用。

4 結(jié) 語(yǔ)

本文對(duì)人工智能課程群的實(shí)驗(yàn)教學(xué)平臺(tái)的建設(shè)規(guī)劃、建設(shè)方案與方法進(jìn)行了深入的思考與研究，提出了面向人工智能課程群的智能視覺(jué)實(shí)驗(yàn)平臺(tái)的建設(shè)思路，并給出了具體的平臺(tái)建設(shè)內(nèi)容與實(shí)驗(yàn)項(xiàng)目。智能視覺(jué)實(shí)驗(yàn)平臺(tái)的建設(shè)，可以向?qū)W生提供完整的智能視覺(jué)處理框架，包括數(shù)據(jù)預(yù)處理、特征提取、算法模型及評(píng)價(jià)機(jī)制，能夠提高學(xué)生的實(shí)驗(yàn)與科研效率，為人工智能教學(xué)提供必要的實(shí)驗(yàn)條件，較好滿足人工智能方向人才培養(yǎng)的需求。