陳章寶 鄧運生 李 壯

(蚌埠學(xué)院電子與電氣工程學(xué)院, 安徽 蚌埠 233030)

人工智能技術(shù)是新一輪科技創(chuàng)新和產(chǎn)業(yè)變革的重要驅(qū)動力量，深度學(xué)習(xí)是其中最有影響力的關(guān)鍵技術(shù)。近十年來，深度學(xué)習(xí)在技術(shù)創(chuàng)新和產(chǎn)業(yè)實踐中均取得了巨大成就，使得基于深度學(xué)習(xí)的計算機視覺、自然語言處理、語音技術(shù)取得了突破性發(fā)展，并在相關(guān)領(lǐng)域中得到了廣泛的應(yīng)用。與機器學(xué)習(xí)的其他方法相比較，深度學(xué)習(xí)使用深層神經(jīng)網(wǎng)絡(luò)構(gòu)建特征表示和分類的一體化模型，利用大量的樣本數(shù)據(jù)對模型進行訓(xùn)練，讓模型從大數(shù)據(jù)中學(xué)習(xí)以提高自身的性能。計算機視覺是深度學(xué)習(xí)技術(shù)發(fā)展最重要的領(lǐng)域，作為深度學(xué)習(xí)模型的LeNet是第一個卷積神經(jīng)網(wǎng)絡(luò)，并且在手寫數(shù)字識別上取得了很好的效果，2012年AlexNet模型在ImageNet大賽上奪冠，將錯誤率從26%降低到了15%，從此深度卷積神經(jīng)網(wǎng)絡(luò)大幅度超越傳統(tǒng)的特征提取+分類器的計算機視覺方法，在圖像分類、目標(biāo)檢測、圖像分割等領(lǐng)域均取得了長足發(fā)展。

目前本科專業(yè)的計算機視覺教學(xué)以圖像的基礎(chǔ)處理和傳統(tǒng)的機器視覺算法為主，且圖像處理的內(nèi)容較多，如圖像變換、圖像濾波、形態(tài)學(xué)圖像處理、圖像編碼與壓縮等，機器視覺算法主要介紹邊緣檢測、區(qū)域分割、SIFT/SURF、ADABOOST等算法，沒有將近年來以深度學(xué)習(xí)為基礎(chǔ)的計算機視覺最新研究成果涵蓋進來。本文根據(jù)我校自動化和機器人工程專業(yè)的圖像處理和計算機視覺課程教學(xué)實踐，在基礎(chǔ)的圖像處理和傳統(tǒng)的計算機視覺算法介紹的基礎(chǔ)上，加入了基于深度學(xué)習(xí)理論的計算機視覺部分，開展卷積神經(jīng)網(wǎng)絡(luò)相關(guān)知識的講授，進行了圖像分類、目標(biāo)檢測、圖像分割等教學(xué)案例設(shè)計。

1 計算機視覺技術(shù)發(fā)展

人類感知周圍環(huán)境80%的信息來源于視覺，計算機視覺就是要讓機器像人一樣具有視覺感知能力，如圖像分類、目標(biāo)檢測、圖像分割、三維視覺、目標(biāo)跟蹤等。計算機視覺對世界的認知還處于實現(xiàn)單一任務(wù)的初級視覺階段，還遠沒有達到人類的視覺感知、信息處理和認識能力，不過在人類生物視覺的啟發(fā)下，通過模仿生物視覺神經(jīng)系統(tǒng)的感受野(receptive field)概念，提出的基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)理論并持續(xù)發(fā)展，當(dāng)今計算機視覺在復(fù)雜場景下的視覺理解，融合視覺、語音和文字等多源信息的視頻理解方面均取得了重要的研究成果。

1.1 圖像分類

圖像分類是計算機視覺的最基本任務(wù)，也是深度學(xué)習(xí)技術(shù)研究最為充分的視覺任務(wù)場景。ILSVIC(ImageNet Large-Scale Visual Recognition Challenge)大賽是一個基于ImageNet數(shù)據(jù)集的圖像分類任務(wù)挑戰(zhàn)賽，該競賽從2010年開始舉辦，到2017年是最后一屆。2012年Alex Krizhevsky提出AlexNet網(wǎng)絡(luò)并在ILSVRC大賽中奪冠，以15.3%的Top-5的錯誤率遠超傳統(tǒng)算法如SIFT、LBP、HOG等傳統(tǒng)的圖像分類方法，顯示了深度學(xué)習(xí)強大的特征抽象和表示能力，并輕松實現(xiàn)端到端的訓(xùn)練，在大數(shù)據(jù)下表現(xiàn)出明顯的優(yōu)勢。隨后VGG、GoogleNet、ResNet[1]等網(wǎng)絡(luò)被相繼提出，圖像分類錯誤率進一步減少，甚至超出了人類對圖像的分類能力，目前細粒度圖像分類(Fine-grained image categorization，F(xiàn)GIC)技術(shù)，實現(xiàn)同一類別的子類分類，也取得了長足的發(fā)展。圖像分類模型的發(fā)展歷程如圖1上所示，這些模型是計算機視覺技術(shù)的基礎(chǔ)網(wǎng)絡(luò)，圖像分類中的經(jīng)典網(wǎng)絡(luò)也成為目標(biāo)檢測、圖像分割等其他視覺任務(wù)的骨干(Backbone)網(wǎng)絡(luò)。

圖1 計算機視覺模型發(fā)展歷程

1.2 目標(biāo)檢測

目標(biāo)檢測是對圖像中感興趣的對象進行定位(Localization)并分類(Classification)，輸出對象的邊界方框和標(biāo)簽。由于受到目標(biāo)的復(fù)雜背景、光照變化、尺度變化、姿態(tài)多樣、相互遮擋、非剛性形變等多種因素的影響，使得目標(biāo)檢測任務(wù)更加具有挑戰(zhàn)性?；谏疃葘W(xué)習(xí)的視覺目標(biāo)檢測網(wǎng)絡(luò)主要有二階段網(wǎng)絡(luò)R-CNN系列和單階段網(wǎng)絡(luò)YOLO、SSD系列等。

2014年Girshick等提出基于選擇性搜索(selective search)的R-CNN[2](region with convolutional neural network)兩階段目標(biāo)檢測網(wǎng)絡(luò)，使得基于深度學(xué)習(xí)的目標(biāo)檢測的準確率超越了傳統(tǒng)的目標(biāo)檢測方法30%，隨后Fast R-CNN、Faster R-CNN網(wǎng)絡(luò)被陸續(xù)提出，使得目標(biāo)檢測精度大幅度提高而且檢測速度達到實時狀態(tài)，基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)進入實用階段。2016年以YOLO[3](You Only Look Once)為代表的單階段目標(biāo)檢測系列模型相繼提出，通過將目標(biāo)檢測設(shè)計成單一的回歸任務(wù)，同時回歸出目標(biāo)的位置和類別，使得單階段目標(biāo)檢測算法達到了滿足實時檢測要求(FPS > 30)的高精度算法，并實現(xiàn)在邊緣端的部署， YOLO系列模型逐漸成為物體檢測的主流模型。目標(biāo)檢測算法的發(fā)展歷程如圖1下所示。近年來基于 Transformer 的目標(biāo)檢測算法研究引發(fā)熱潮，Transformer模型基于注意力機制，首先在自然語言處理(NLP)領(lǐng)域取得巨大成功，并成功遷移到計算機視覺領(lǐng)域。

1.3 圖像分割

圖像分割的任務(wù)是區(qū)分出圖像中不同物體所在的區(qū)域，按照分割的精細程度，可以將圖像分割歸為三類：語義分割、實例分割和全景分割。語義分割是要求區(qū)分出圖像中每個像素所屬的類別，實現(xiàn)像素級別的分類；實例分割是在語義分割的基礎(chǔ)上，實現(xiàn)同一類別的不同個體區(qū)域的劃分；全景分割包含語義分割和實例分割兩大任務(wù)，實現(xiàn)對圖像中的所有物體，包括背景進行像素級別的分類。2017年隨著全卷積網(wǎng)絡(luò)[4](Fully convolutional network, FCN) 的提出，隨后相繼出現(xiàn)了DeepLab系列、U-Net、PSPNet等圖像語義分割模型，DeepMask、Mask R-CNN、PANet、Mask SSD等實例分割模型；UPSNet、AUNet、TASCNet等全景分割模型?；谏疃葘W(xué)習(xí)的圖像分割算法超越了傳統(tǒng)的基于邊緣和閾值等算法。

近年來隨著短視頻在社交媒體的廣泛流行，基于深度學(xué)習(xí)的視頻分析和處理技術(shù)備受關(guān)注，在視頻理解、行為識別、目標(biāo)跟蹤以及視頻生成等領(lǐng)域，深度學(xué)習(xí)技術(shù)均取得了突破性的進展和應(yīng)用落地，特別是結(jié)合視頻、文字和語音的多源信息融合的視頻分析和理解技術(shù)研究定會稱為未來的發(fā)展趨勢，必將成為今后一段時間最為熱門的研究領(lǐng)域。

2 深度學(xué)習(xí)對計算機視覺教學(xué)的新要求

從深度學(xué)習(xí)理論在計算機視覺領(lǐng)域的發(fā)展和應(yīng)用現(xiàn)狀可以看出，深度學(xué)習(xí)是推動計算機視覺發(fā)展的關(guān)鍵技術(shù)，并引領(lǐng)計算機視覺技術(shù)繼續(xù)發(fā)展。這也為本科階段的圖像處理和計算機視覺課程的教學(xué)內(nèi)容更新和教學(xué)手段的改進提出了新要求，教學(xué)革新勢在必行。

2.1 理論方法不同

計算機視覺技術(shù)可以分解為三個層次，既底層的圖像處理、中層的特征提取和上層的圖像分析。底層的圖像處理技術(shù)實現(xiàn)圖像的增強與復(fù)原，其輸入和輸出皆為圖像，便于后續(xù)的圖像特征提取和分析；中層處理是從圖像中提取特征，形成“非圖像”的表示和描述，典型的特征表示方法有直方圖、LBP、SIFT、SURF、HOG等算法；高層的圖像分析主要包括圖像分類、分割、目標(biāo)檢測、視覺跟蹤、視頻理解等?，F(xiàn)有的計算機視覺課程的教材和教學(xué)內(nèi)容大多以“特征提取+分類”的模式。在深度學(xué)習(xí)的大背景下，計算機視覺技術(shù)表現(xiàn)為如下的特點。

(1) 深度學(xué)習(xí)的計算機視覺方法采用深度神經(jīng)網(wǎng)絡(luò)(deep neural network, DNN)作為視覺系統(tǒng)的基本網(wǎng)絡(luò)，構(gòu)成圖像分類、目標(biāo)檢測、圖像分割、目標(biāo)跟蹤和視頻分析的骨干網(wǎng)絡(luò)，通過海量數(shù)據(jù)訓(xùn)練出網(wǎng)絡(luò)參數(shù)，端到端的實現(xiàn)特征提取與分類，避免了復(fù)雜的特征工程設(shè)計，最終的圖像分類精度等指標(biāo)大幅度超越了傳統(tǒng)方法。

(2) 深度學(xué)習(xí)更加容易發(fā)揮大數(shù)據(jù)的優(yōu)勢，傳統(tǒng)的機器學(xué)習(xí)方法如BP神經(jīng)網(wǎng)絡(luò)、支持向量機(support vector machine, SVM)、AdaBoost等機器視覺方法在數(shù)據(jù)量少時泛化能力弱，導(dǎo)致分類效果差，數(shù)據(jù)量多時效果提升變緩。深度學(xué)習(xí)具有與生俱來的適配大數(shù)據(jù)的能力，數(shù)據(jù)量越大效果越好。深度學(xué)習(xí)的標(biāo)準數(shù)據(jù)集皆為大規(guī)模數(shù)據(jù)集，如ImageNet數(shù)據(jù)集就有1400萬張標(biāo)注圖片，常用數(shù)據(jù)子集也有百萬張圖片，深度學(xué)習(xí)在工業(yè)界的應(yīng)用中，也需要有大量的場景數(shù)據(jù)，海量的數(shù)據(jù)可以解決一切問題。

(3) 深度學(xué)習(xí)強大的特征表示能力，利用模型中的很多個隱藏層，通過特征組合的方式，逐層將原始的輸入圖像轉(zhuǎn)化為淺層的空間特征，中層的語義特征和高層的目標(biāo)特征，最終實現(xiàn)分類和預(yù)測任務(wù)。深度神經(jīng)網(wǎng)絡(luò)不僅可以實現(xiàn)圖像特征的抽取，同樣也可以實現(xiàn)語音、文字信號等特征的抽取和表示，具有很強的通用性，更易于實現(xiàn)融合視頻、文字和語音的多任務(wù)學(xué)習(xí)和多模態(tài)學(xué)習(xí)任務(wù)，推動視頻分析技術(shù)的發(fā)展。

(4) 實現(xiàn)端到端的訓(xùn)練，傳統(tǒng)的計算機視覺技術(shù)需要進行“圖像預(yù)處理+特征提取+分類預(yù)測”三個階段，對于特定的任務(wù)，需要進行針對性的特征工程設(shè)計和分類器設(shè)計。深度學(xué)習(xí)不需要進行任務(wù)的階段劃分，而是完全交給深度神經(jīng)網(wǎng)絡(luò)模型直接學(xué)習(xí)從原始數(shù)據(jù)到期望輸出的映射，直接實現(xiàn)從圖像輸入到任務(wù)輸出。

2.2 實驗平臺不同

深度學(xué)習(xí)對實驗平臺的要求主要體現(xiàn)為大數(shù)據(jù)集、硬件訓(xùn)練和部署平臺、軟件框架三個方面。傳統(tǒng)計算機視覺算法對數(shù)據(jù)集和訓(xùn)練平臺的要求都不高，在個人電腦和ARM控制器上就可以實現(xiàn)訓(xùn)練和部署，而深度學(xué)習(xí)發(fā)展起來的幾個關(guān)鍵因素，就是龐大的數(shù)據(jù)集、GPU的并行算力，以及深度學(xué)習(xí)框架。

在計算機視覺落地項目中，很難獲取像標(biāo)準數(shù)據(jù)集的規(guī)模，在工業(yè)品瑕疵視覺檢測和異常場景分析中，數(shù)據(jù)采集比較困難，導(dǎo)致數(shù)據(jù)量較少，樣本數(shù)據(jù)類別的不均衡等情況，解決此類問題的方法可以通過數(shù)據(jù)擴增的方法解決數(shù)據(jù)量不足的問題，通過損失函數(shù)的樣本權(quán)重設(shè)計等來解決數(shù)據(jù)不均衡的問題，將通用數(shù)據(jù)集上的預(yù)訓(xùn)練模型遷移到場景數(shù)據(jù)集等來提高視覺模型效果。

通常深度學(xué)習(xí)的訓(xùn)練和部署對硬件平臺的要求較高，需要用高配置的GPU電腦、服務(wù)器，或者云服務(wù)器等。對精度和實時性要求不高的場合，也可以進行模型的輕量化設(shè)計，利用模型蒸餾、神經(jīng)網(wǎng)絡(luò)搜索、剪枝和量化，進行模型壓縮，獲取小容量模型并部署到移動端或者嵌入式設(shè)備上。

深度學(xué)習(xí)的快速發(fā)展，以及模塊化設(shè)計和計算特性給深度學(xué)習(xí)框架的開發(fā)提供了便利，目前具有代表性的框架有Google的TensorFlow、Meta的Pytorch，國內(nèi)的深度學(xué)習(xí)框架包括百度于2016年推出的飛漿(PaddlePaddle)、曠視科技的MegEngine、華為的MindSpore和清華大學(xué)的Jitter?？蚣艿耐瞥鰹樯疃葘W(xué)習(xí)的研究和落地提供了極大的便利，加速了深度學(xué)習(xí)的研究進度，降低了模型設(shè)計和訓(xùn)練的難度，推動了相關(guān)項目的快速落地。

3 教學(xué)改革與創(chuàng)新

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，在計算機視覺課程教學(xué)中加入深度學(xué)習(xí)的入門知識和基礎(chǔ)理論勢在必行，由于課時的有限，需要弱化部分圖像處理和傳統(tǒng)計算機視覺的內(nèi)容，同時進行教學(xué)資源和實驗平臺建設(shè)，并進行教學(xué)模式的創(chuàng)新，在進行傳統(tǒng)計算機視覺教學(xué)的同時，緊跟新技術(shù)的發(fā)展步伐，引領(lǐng)學(xué)生進行基于深度學(xué)習(xí)理論的計算機視覺技術(shù)學(xué)習(xí)和研究。

3.1 教學(xué)內(nèi)容優(yōu)化

在深度學(xué)習(xí)主導(dǎo)計算機視覺技術(shù)的當(dāng)今，為了將深度學(xué)習(xí)理論融入計算機視覺課程的教學(xué)中，需要對原有的計算機視覺課程的教學(xué)內(nèi)容進行部分的優(yōu)化，壓縮傳統(tǒng)視覺方法中的部分教學(xué)內(nèi)容，特別是傳統(tǒng)“特征提取+分類器”等被深度學(xué)習(xí)完美替代部分的教學(xué)內(nèi)容，對壓縮的部分只進行理論知識的介紹，不講算法的實現(xiàn)過程。下面以張錚的教材《數(shù)字圖像處理與機器視覺》[5]為例，涉及的部分教學(xué)內(nèi)容如表1所示，需要增加深度學(xué)習(xí)理論的基礎(chǔ)教學(xué)內(nèi)容如表2所示。

表1 部分壓縮的教學(xué)內(nèi)容

表1對計算機視覺課程的教學(xué)內(nèi)容進行了優(yōu)化設(shè)計，壓縮了部分教學(xué)內(nèi)容，如圖像的頻域增強，傳統(tǒng)的圖像特征提取和分類器等，壓縮不等于不講，而是簡單講，在教學(xué)設(shè)計中是需要了解的內(nèi)容。強化了與深度學(xué)習(xí)理論相關(guān)的部分內(nèi)容，這些內(nèi)容在教學(xué)設(shè)計中是需要重點掌握，如圖像幾何變換常用于數(shù)據(jù)增擴，結(jié)合遷移學(xué)習(xí)，在深度學(xué)習(xí)的落地項目中廣泛使用；SVM作為經(jīng)典的分類模型，在小樣本分類項目中表現(xiàn)優(yōu)越，經(jīng)典深度學(xué)習(xí)模型也有用SVM進行分類；BP神經(jīng)網(wǎng)絡(luò)模型是深度學(xué)習(xí)模型的基礎(chǔ)，也是經(jīng)典的分類器模型，是學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)的入門知識。此外在圖像的空域增強中，圖像濾波算子結(jié)合卷積核進行介紹，濾波算子參數(shù)是確定的，而卷積核參數(shù)是學(xué)習(xí)出來的，更容易讓學(xué)生了解圖像卷積的概念。

表2 深度學(xué)習(xí)教學(xué)內(nèi)容

表2給出了本科專業(yè)教學(xué)中深度學(xué)習(xí)的基本教學(xué)內(nèi)容，包括神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，基本的圖像分類、目標(biāo)檢測、圖像分割模型，模型訓(xùn)練和優(yōu)化的基礎(chǔ)教學(xué)內(nèi)容，以及常用的深度學(xué)習(xí)框架。此表是在計算機視覺課程的教學(xué)實踐中，總結(jié)出來的關(guān)于深度學(xué)習(xí)的教學(xué)類容設(shè)計，強調(diào)基礎(chǔ)知識的掌握，基本平臺的應(yīng)用，引領(lǐng)學(xué)生入門深度學(xué)習(xí)技術(shù)。

3.2 教學(xué)平臺和資源建設(shè)

深度學(xué)習(xí)是在大數(shù)據(jù)和大算力的推動下發(fā)展起來的技術(shù)，且其網(wǎng)絡(luò)模塊眾多，基礎(chǔ)理論復(fù)雜，這些因素都給學(xué)生入門深度學(xué)習(xí)造成了很大的難度。深度學(xué)習(xí)通過信號的前向傳輸和誤差的反向傳遞，實現(xiàn)基于梯度下降的訓(xùn)練優(yōu)化，編程特性和計算特性較為模式化，統(tǒng)一的編程框架會給學(xué)習(xí)和開發(fā)提供極大的便利，當(dāng)今的深度學(xué)習(xí)框架也被稱為人工智能時代的操作系統(tǒng)。教學(xué)中利用百度公司開源的飛漿(PaddlePaddle)深度學(xué)習(xí)框架[6]，飛漿深度學(xué)習(xí)框架是國內(nèi)開源最早的深度學(xué)習(xí)框架，其下接芯片，可以適配不同的底層硬件，上承應(yīng)用，適應(yīng)各種算法應(yīng)用，對接云計算和大數(shù)據(jù)資源，集核心框架、工具組件和服務(wù)平臺于一體，飛漿全景圖如圖2所示。

飛漿核心框架實現(xiàn)動態(tài)圖和靜態(tài)圖兩種編程方式的統(tǒng)一，集模型訓(xùn)練和預(yù)測于一體，開源了計算機視覺、自然語言處理、推薦系統(tǒng)和語音識別四大類官方模型，其中飛將視覺模型庫(PaddleCV)提供了大量的圖像分類、目標(biāo)檢測、圖像分割、圖像生成、視頻分析等視覺算法的預(yù)訓(xùn)練模型。飛漿還集成了遷移學(xué)習(xí)、訓(xùn)練可視化等一系列工具組件，進行深度學(xué)習(xí)的開發(fā)訓(xùn)練和應(yīng)用部署。飛漿還提供的AI Studio在線開發(fā)實訓(xùn)平臺，集合了教程、案例、經(jīng)典數(shù)據(jù)集、云端的運算資源、以及比賽平臺和社區(qū)。利用百度飛漿深度學(xué)習(xí)框架和AI Studio平臺，全面解決了深度學(xué)習(xí)教學(xué)中對大數(shù)據(jù)、大算力、框架和平臺的要求。百度公司的平臺保障和技術(shù)支持，為開展深度學(xué)習(xí)的教學(xué)、科研和工程開發(fā)提供了極大的便利。

教學(xué)資源建設(shè)是基于百度AI Studio平臺開展教學(xué)活動，進行教學(xué)案例設(shè)計，開展集數(shù)據(jù)準備、模型設(shè)計、模型訓(xùn)練與評價于一體的教學(xué)活動，教學(xué)中進行了如表3所示的教學(xué)案例設(shè)計。在本科階段計算機視覺教學(xué)中，深度學(xué)習(xí)理論的教學(xué)案例設(shè)計側(cè)重于入門案例[7]和基礎(chǔ)案例，前沿技術(shù)案例可以簡要介紹，要進行進階式的案例設(shè)計，并將深度學(xué)習(xí)的基礎(chǔ)知識融入教學(xué)案例中。

表3 深度學(xué)習(xí)的教學(xué)案例設(shè)計

(續(xù)表3)

3.3 教學(xué)模式創(chuàng)新

“計算機視覺”是在傳統(tǒng)圖像處理和機器視覺課程的基礎(chǔ)上，融入了深度學(xué)習(xí)技術(shù)的課程，實踐性強。新工科背景下，課程教學(xué)堅持以“學(xué)生為中心，以產(chǎn)出為導(dǎo)向”的OBE教學(xué)理念，進行教學(xué)模式創(chuàng)新[8]。本科階段的“計算機視覺”課程教學(xué)以基礎(chǔ)理論講解、案例教學(xué)、工程實踐為主，通過規(guī)范教學(xué)與實驗平臺、改革課程教學(xué)模式和實踐項目化教學(xué)等手段開展課程教學(xué)的改革和探索。

(1) 規(guī)范教學(xué)與實驗平臺。基于深度學(xué)習(xí)理論的計算機視覺教學(xué)需要大數(shù)據(jù)和計算平臺的支撐，打造規(guī)范的教學(xué)和實驗平臺是開展教學(xué)活動的基礎(chǔ)，采用百度PaddlePaddle深度學(xué)習(xí)框架，百度AI Studio教學(xué)平臺開展教學(xué)活動和管理。

(2) 改革課程教學(xué)模式。首先，以案例推動教學(xué)，通過案例引申出具體的教學(xué)內(nèi)容，實現(xiàn)由面及點、由點到面的知識體系教學(xué)，例如通過圖像分類案例，可以講解數(shù)據(jù)集預(yù)處理、模型設(shè)計、訓(xùn)練和預(yù)測等一系列知識點，所有知識點又構(gòu)建了整個分類模型。其次，以作業(yè)提升教學(xué)，教學(xué)中以學(xué)生為中心，引導(dǎo)學(xué)生去分析問題和解決問題，通過優(yōu)質(zhì)的課程作業(yè)設(shè)計，讓學(xué)生掌握數(shù)據(jù)處理與增擴、深度學(xué)習(xí)框架應(yīng)用、模型結(jié)構(gòu)優(yōu)化、參數(shù)調(diào)節(jié)對提高分類精度的效果。最后，以應(yīng)用拓展教學(xué)，通過深度學(xué)習(xí)視覺案例的應(yīng)用部署，激發(fā)學(xué)生的學(xué)習(xí)興趣，例如將訓(xùn)練好的預(yù)測模型如花卉識別、手勢識別、交通標(biāo)志檢測、人體分割和摳圖等，部署到云端、服務(wù)器和電腦端，嵌入式邊緣設(shè)備端等。

(3) 實踐教學(xué)。實踐教學(xué)是課程教學(xué)的延伸，主要通過課程設(shè)計、畢業(yè)設(shè)計、大創(chuàng)項目、學(xué)科競賽、學(xué)生參與教師的工程項目和科學(xué)研究等方式，讓學(xué)生掌握工程需求分析與系統(tǒng)設(shè)計、數(shù)據(jù)分析與采集，模型設(shè)計與優(yōu)化、模型部署的全過程，增強學(xué)生利用所學(xué)知識解決實際工程的能力，提高工程化應(yīng)用型人才的培養(yǎng)成效。實踐中，在實驗室搭建了一個人臉識別項目，帶領(lǐng)學(xué)生不斷提升系統(tǒng)性能，從當(dāng)初的人臉識別、口罩識別、到現(xiàn)在的融合視覺和語音的人機互動；指導(dǎo)學(xué)生參加全國智能汽車競賽，講授智能車的視覺導(dǎo)航和目標(biāo)識別關(guān)鍵技術(shù)，讓學(xué)生實踐深度學(xué)習(xí)的技術(shù)在智能車、自動駕駛的應(yīng)用；在工業(yè)機器人視覺引導(dǎo)抓取的項目中，實現(xiàn)了3D視覺的目標(biāo)物體姿態(tài)檢測，并引導(dǎo)機械臂以適當(dāng)?shù)淖藨B(tài)進行抓取，這些系統(tǒng)得到了大創(chuàng)項目、學(xué)校工程和科研項目的經(jīng)費支撐，并轉(zhuǎn)化為學(xué)生的畢業(yè)設(shè)計課題；學(xué)生參與老師的病雞識別、玻璃品瑕疵檢測項目，提高了學(xué)生的工程能力，培養(yǎng)了學(xué)生的科研意識。

4 結(jié)論

通過在計算機視覺課程中引入深度學(xué)習(xí)的教學(xué)內(nèi)容，通過教學(xué)內(nèi)容優(yōu)化、教學(xué)資源建設(shè)和教學(xué)模式創(chuàng)新，開展案例化的教學(xué)，引導(dǎo)學(xué)生逐步進入學(xué)科前沿知識的學(xué)習(xí)和應(yīng)用工程開發(fā)。通過多年的教學(xué)實踐，學(xué)生對基于深度學(xué)習(xí)的視覺技術(shù)產(chǎn)生了濃厚的興趣，我院學(xué)生在近三年的全國大學(xué)生智能車競賽百度深度學(xué)習(xí)創(chuàng)意組比賽中屢獲大獎；學(xué)生在百度AI studio平臺的比賽中，輕松獲取Top10名次。本著“以學(xué)生為中心，以產(chǎn)出為導(dǎo)向”的OBE教學(xué)理念，開展課程教學(xué)研究與改革，進行工程化應(yīng)用型人才的培養(yǎng)，學(xué)生的學(xué)習(xí)熱情持續(xù)增長，工程能力顯著提升，科研素養(yǎng)逐漸養(yǎng)成。