![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于研究导向型模式的“计算机视觉”课程教学探索.pdf
《基于研究导向型模式的“计算机视觉”课程教学探索.pdf》由会员分享,可在线阅读,更多相关《基于研究导向型模式的“计算机视觉”课程教学探索.pdf(5页珍藏版)》请在咨信网上搜索。
1、DOI:10.16681/ki.wcqe.202322035作者简介:谢昱锐(1983),男,讲师,博士。研究方向:计算机视觉,机器学习。注:本文系四川省教育厅项目(编号:18ZB0125);四川省高等教育人才培养质量和教学改革项目(编号:JG2021-1006);成都信息工程大学本科教育教学改革项目(编号:JYJG2022133);国家自然科学基金青年项目(编号:61806028)。摘要:文章首先分析了“计算机视觉”课程教学现状,然后论述了基于研究导向型模式的“计算机视觉”课程教学实践,最后阐述了基于研究导向型模式的“计算机视觉”课程教学成效。关键词:“计算机视觉”课程教学;研究导向型模式;
2、人工智能中图分类号:G642.0文献标志码:A文章编号:2095-6401(2023)22-0144-05计算机视觉技术是人工智能领域的重要研究方向。随着当前我国经济社会的高速发展,特别是机器学习、语音识别、图像理解、自然语言处理等在人们生产及生活中的广泛应用,作为人工智能领域主要组成部分的计算机视觉技术,其课题研究作用和影响力在实践中尤为突显,由此高校科技人才培养的需求也与日俱增。计算机视觉技术具有技术迭代更新快及面向实际应用的特点,因此如何基于传统教学模式,探索“计算机视觉”课程教学的新模式,提升课程的教学质量,引导学生增强课题研究及解决实际问题的能力1-3,已成为当前高校电子信息及计算机
3、专业科技人才培养亟待解决的问题。计算机视觉研究领域包含诸多前沿的方法技术,并具有极强的实际应用性,其特点是常在生产及生活应用场景中不断发现问题、解决问题,以提出更先进的方法模型。高校“计算机视觉”课程的教学目的和任务旨在系统地介绍机器视觉的常见问题、基础知识和典型方法,最终促使学生能够初步具备分析和设计机器视觉系统的课题研究及工程实现的能力。该课程的授课对象为高年级本科生及硕士研究生,授课内容具有理论与实际应用结合紧密、方法技术发展快等特点,讲授内容主要包含以下六个方面:淤机器视觉硬件技术;于数字图像处理基础;盂灰度变换及图像滤波;榆特征提取及图像分割;虞立体视觉技术;愚视觉识别和深度学习方法
4、。以上各授课内容既具有相对独立性,又相互支撑。从计算机视觉系统的底层摄像头硬件的搭建,到传感器采集视觉数据后的信号处理,再到中高层信息特征的提取,最后完成视觉数据的语义识别任务,上述各技术模块相互连接、承前启后。由此可见,“计算机视觉”课程涉及的知识内容联系紧密,但传统教学按章节顺序讲授的教学模式难以有效建立各知识点的关联,特别是缺乏学科前沿方法的研讨学习。针对当前“计算机视觉”课程教学中存在的问题,本文拟引入研究导向型模式,即通过引领学生对学科热点及前沿专题的学习研究,系统关联课程知识点,开阔学生的学科视野,增强学生学习的积极性,这是一种高校培养人工智能领域创新人才可借鉴的教学模式。一、“计
5、算机视觉”课程教学现状(一)缺乏前沿技术的研讨,难以充分调动学生的学习主动性在目前人工智能广泛应用的大背景下4-7,计算机视觉技术飞速发展,该研究领域通常每 23 年就有显著优于前期性能的方法提出。与计算机视觉技术高速发展的现状相比,现有“计算机视觉”课程往往仍采用传统的教学模式,授课过程偏重基础原理的介绍,与当前该领域技术发展前沿存在明显的鸿沟,从而导致高校培养的学生难以适应技术发展的需求。鉴于此,该课程教学应区别于其他专业基础类课程教学,即除了介绍基本的概念及方法,还应引入最新的前沿热点课题的研讨,以培养紧跟技术发展步伐的高校人才。笔者在该门课程的实践教学活动中,通过课程反馈和问卷调查发现
6、,强化课程内容涉及的前沿方法技术的探讨,能有效调动学生的探索欲及学习主动性,提升学生的课程参与度并激发其创新意识。(二)学生停留于理论知识层面,动手实践能力薄弱“计算机视觉”课程不单有理论,最终还需落到应基于研究导向型模式的“计算机视觉”课程教学探索谢昱锐,甄小琼,刘甲甲(成都信息工程大学,四川 成都,610225)西部素质教育2023 年 11 月第 9 卷第 22 期西部素质教育2023 年 11 月第 9 卷第 22 期用实践上。学生在整个课程学习中,要经历公式推导、模型设计、算法编程及性能测试各个环节,从而逐渐培养科学思考及学术研究的能力。然而传统教师讲授的授课方式缺乏学生针对实际应用
7、场景提出并解决问题能力的培养。另外,虽然现有课程配备了相应的实验环节,但学生往往仅根据教师设定的题目及步骤依葫芦画瓢,模仿完成基本实验内容。这种传统的验证及模仿性的实验8难以培养学生从实际应用中提炼、分析及解决问题的科学思维素质。同时,课程实验本身的设计也主要源于基本知识点的综合,无法扩展到生产和生活场景中的具体问题上,导致课程实验内容与实际应用存在脱节9-10。可见,传统授课方式难以适应“计算机视觉”课程面向实际应用的特点,导致学生的实践动手能力未得到有效的锻炼。(三)学生处于被动学习状态,师生间互动交流少传统教学模式以教师讲授、学生听课为主,此教学模式难以有效调动学生的积极性和主动性,学生
8、听完课后与教师的互动交流少,导致难以培养发现及解决问题的思考能力。特别是“计算机视觉”这门交叉学科课程,知识覆盖面广,既包含数学方面的微分方程、矩阵分析、优化算法,又包含算法编程方面的 C+、Python、数据结构等,同时课程涉及的技术的发展也日新月异。针对该课程以上特点,如何利用有限的课程时间,通过教学模式的创新和授课方式的改变,引导学生从“观众”转变为“演员”,以增加教师与学生的互动交流,最终激发学生学科专业的探索欲与研究兴趣,是值得教师探索的问题。(四)课程考核方式单一,未能全面反映学生的知识掌握情况前文提到,“计算机视觉”这门人工智能类课程要求学生不仅应掌握基本的概念原理,还应锻炼编程
9、动手能力,同时能在特定场景中发现问题,并应用计算机视觉相关原理提出解决方案。比如,怎么发现实际生产及生活中能用视觉模型解决的问题点;如何将实际案例分解为各个子问题;如何利用编程工具实现算法的高效编译;构建的方法框架怎么进行性能测试;等等。由此可见,“计算机视觉”课程的人才培养目标具有全面性,且最终要落在解决实际问题上。基于以上原因,在人才培养的评价方面,传统单纯以理论考核为主的方式过于片面,不能全面客观地反映学生在整个课程活动中的学习情况。为此,需通过教学模式的创新,自然地引入多元化的综合评价方式,以科学地考查学生综合能力的达成情况。据上,传统“计算机视觉”课程的授课模式侧重教师单向地讲解基础
10、概念及方法,缺乏对当前该领域前沿研究技术的研讨,导致学生处于被动学习状态,学习积极性难以得到充分调动,同时还造成师生间互动交流少,从而在学生科学研究方法的指导及创新思维的培养方面存在明显不足。另外,传统的“计算机视觉”课程考核方式单一,配套的课程实验缺乏实际应用背景,导致培养的学生在科研及工程实现能力方面存在欠缺。而本文介绍的基于研究导向型模式的“计算机视觉”课程教学,通过前沿研究专题的优化选择,教师对学生进行系统的学术引导,以及全面的学生能力考核方式的实施,能有效解决该门课程人才培养存在的突出问题,并对其他课程教学具有借鉴意义。二、基于研究导向型模式的“计算机视觉”课程教学实践基于研究导向型
11、模式,“计算机视觉”课程教师在教学过程中首先要根据课程大纲及人才培养目标要求,结合当前该课程研究方向的最新发展动态,优化授课内容,提炼出与知识点紧密相关的课程学习专题。然后学生以小组为单位,通过相互协助的方式,针对某一选定的学习专题开展文献调研、科学问题思考,以及团队成员间的沟通交流等学习活动,并在教师的指导下逐渐分析和理解学习专题的内涵,提出解决方案及实现算法的性能测试。完成以上课程内容后,各小组整理专题学习活动涉及的技术方法、实验数据及测试结果,演讲并汇报研究学习成果。最后教师根据学生在整个课程专题过程中的表现情况进行综合评价。在以上基于研究导向型模式的授课环节中,一方面,通过课程前沿研究
12、内容的引入,激发了学生对学科知识的兴趣和探索欲,开阔了学生的知识视野,促进了学生科研思维的形成;另一方面,学生在专题学习研究过程中也增强了与教师的双向交流,培养了小组协作的团队精神,有利于形成轻松活跃的课堂学习氛围,最终提高了课程人才培养质量。为了将研究导向型模式充分应用于“计算机视觉”课程教学,笔者通过具体的教学实践总结出以下四个要点。(一)包含课程知识点的研究专题的科学设定根据“计算机视觉”课程各章节的教学内容,教师首先需要思考并设定包含课程基本知识点的研究专题。专题的选择应结合当前学科研究的热点及前沿方向,难度要适宜,并应具有较强的探索性。设定专题题目时,要考虑与章节知识内容的关联,并应
13、注重各知识点间的联合应用,以考查学生的知识综合运用能力。笔者结合“计算机视觉”课程的实践教学,根据课程各章节的教学内容,提炼出了如表 1 所示的教学计划表,以有效地将研究导向型模式应用于该课程。另外,在“计算机视觉”课程的前序章节,由于学生对本领域的背景知识储备还不足,教师可结合传统讲授及基于研究导向型模式的教学,让学生充分掌握课程的基本知识概念,从而顺利地进入后续章节的学习。比如,针对课程涉及的数字图像处理、视觉特征提取等基础概念,如表 1 中序号 1、2 所示,应先通过传统讲授方法,细致地对基础概念知识进行讲解。在学生掌握了课程的基本概念原理后,教师在专题题目的设置上应考虑学生的适应性,如
14、可以选定“图像恢复及超分辨技术”和“特征提取及视觉匹配”等基础性研究专题,以此强化学生对课程基本方法的掌握。总体上,前序课程章节专题题目的选定不应过难,且应结合传统讲授及基于研究导向型模式的教学方式,从而为后续各章节知识点,如视觉分割方法、无监督学习、对象检测、深度模型等表 1 中序号 36 对应的内容,实施研究导向型模式的教学奠定基础。表 1 研究导向型模式“计算机视觉”课程教学计划表序号123456学习研究专题关联的课程知识点教学方式图像恢复及超分辨技术特征提取及视觉匹配图像超像素算法特性分析鲁棒车牌识别算法行人再识别方法评价校园场景语义分割数字图像基础、灰度变换及滤波图像特征提取及描述视
15、觉分割方法、无监督学习灰度变换、特征提取、视觉分割视觉分割、监督学习、深度模型视觉分割、对象检测、监督学习讲授及研究导向型方式讲授及研究导向型方式研究导向型方式研究导向型方式研究导向型方式研究导向型方式(二)学生团队协作的有效引导基于研究导向型模式的教学是以学生小组(56人一组)为单元开展。然而学生在传统授课活动中,往往习惯以独立个体的形式学习,面对团队这种新的形式,难免会出现不适应的情况。因此,“计算机视觉”课程教师应引导学生充分参与团队内的协作,以促进小组成员及学生与教师之间的交流,从而高质量地完成课程专题的研究学习。以下是笔者在教学实践中总结出的三点有益建议。第一,教师应协助完成学生的分
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 研究 导向 模式 计算机 视觉 课程 教学 探索
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。