研究生模式分析與視覺處理課程群改革與實現

孫涵　陳松燦　劉寧鐘　黃元元　朱旗

摘 要 通過分析研究生模式分析與視覺處理課程群的教學現狀，以提升學生國際化視野、理論聯系實際、工程實踐和創新能力為目標，優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式。

關鍵詞 模式分析 計算機視覺 教學改革

中圖分類號：G643.2 文獻標識碼：A DOI：10.16400/j.cnki.kjdkz.2016.03.015

Research and Practice on Course Group of Pattern Analysis and

Visual Processing for Graduated Students

SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi

（College of Computer Science and Technology， Nanjing University of

Aeronautics and Astronautics， Nanjing， Jiangsu 210016）

Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.

Key words pattern analysis； computer vision； teaching reform

1 背景

我校模式分析與智能計算研究所師資團隊是江蘇省“青藍工程”創新團隊，主要研究領域包括智能數據分析、圖像處理和機器視覺等方向，承擔研究生和本科生的模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程的教學任務。以往的教學過程中雖然積累了豐富的教學經驗，但當前新知識不斷涌現、新技術發展迅猛，對模式分析與視覺處理課程群的知識體系、實踐體系改進提出了新的挑戰。

近年來，國內外高校在該類課程教學上，已涌現出眾多新理念、新方法。Coursera聯合創始人Andrew Ng推出的機器學習課程，開啟了教育領域的MOOC時代，引領了教育教學方法的新革命。①深圳大學、②江蘇科技大學③分別進行了基于CDIO工程教育理念的計算機視覺課程教學改革實踐，實現多層次項目設計的教學模式改革，講座式、討論式、實踐式教學方法的探索。國防科技大學④在計算機視覺課程中引入研討式教學模式，通過案例教學、小組研討的方式來替代傳統的教學方式。華中科技大學⑤從教學內容國際化、教學方式國際化、教學成果國際化三個方面開展了計算機視覺課程的國際化建設。另外，也有高校進行了圖像工程課程群建設，⑥基于圖像分析與計算機視覺應用課程結合的項目協同創新能力培養實踐。⑦

在分析上述國內外高校該類課程改革的基礎上，我們重點以模式分析與視覺處理課程群的實踐教學體系改革為切入點，優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。

2 模式分析與視覺處理課程群特點

模式分析與視覺處理課程群涵蓋了模式識別、機器學習、數據挖掘、數字圖像處理、計算機視覺等多門課程。該類課程存在以下特點。

（1）該類課程屬于多學科交叉，涉及的知識面既廣又深。由于該方向涉及計算機科學與技術、應用數學、自動化、電子科學與技術、信息工程等多學科內容，而學生在大學本科階段很難學習和了解如此多的知識模塊，這對研究生階段學習來說，具有相當大的挑戰。同時，對于每個知識模塊，所要求的數學基礎較高，理論具有相當的深度，理解和掌握不容易。

（2）該類課程既重視扎實的基礎理論，也強調良好的工程實踐能力。該類課程的基礎理論教學一直受到各高校的重視。隨著近年來產業界的迅猛發展，計算機視覺應用層出不窮，對學生的工程實踐也提出了更高要求，需要能夠在系統層次上有整體認知，同時要能對各功能模塊進行優化，提升系統的整體性能。

（3）該類課程所面向的選修學生面廣。該類課程既是多學科交叉，也面向計算機應用、電子科學與技術、自動化、應用數學等不同研究方向、不同水平層次的研究生開設。這對課堂教學和實驗實踐也帶來更大挑戰。

3 模式分析與視覺處理課程群改革舉措

針對上述分析的課程群特點，我們重點以實踐體系改革為突破口，通過優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式等舉措，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。

3.1 師資隊伍結構優化

為了學生能夠適應模式分析與視覺處理產業的快速發展，在課程群建設過程中更強調學生的工程實踐和創新能力培養。這首先對師資隊伍結構提出了新的要求。

近年來，課程教學團隊引進海內外具有深厚理論功底和較強工程能力的高水平師資4名，大大充實了機器學習、數據挖掘、圖像處理等課程的教學力量。對于現有教師隊伍，鼓勵教師跟產業一線企業廣泛合作，目前已與華為、中興等企業在視頻檢索、智能交通視覺處理等方面開展了實質合作。這些來源于產業界的高質量課題對科研和教學起到了良好的促進作用。

與此同時，通過研究生工作站、企業短期實習等渠道，鼓勵企業高級研發人員參與到學生實踐能力培養環節中，將實際項目進行適當切分或提煉，實現該類課程實踐環節的模塊化、專題化訓練。

綜上，通過引培并舉，優化校內師資隊伍結構；通過校企合作，積極吸引企業師資參與。良好的師資隊伍為該類課程的實踐體系改革提供了有力支撐。

3.2 課程群知識體系梳理與授課模式改革

模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程既有一定的邏輯關系，也存在相互交叉的混雜關系。一般認為，模式識別、機器學習是模式分析與視覺處理領域的基礎理論課程，數據挖掘是建立在模式識別、機器學習和數據庫基礎上的應用類課程，智能信息檢索則是數據挖掘基礎上更為具體的應用實現。數字圖像處理為計算機視覺課程提供了基礎支撐，計算機視覺則是在綜合利用模式識別、機器學習、數字圖像處理、數據挖掘等知識模塊基礎上面向應用的系統實現。但是，這些課程也存在著知識點的交叉或重復。例如，模式識別和機器學習中都有貝葉斯參數估計、支持向量機模型等知識點，但視角和側重點有所不同；圖像處理、計算機視覺中都有顏色模型、成像模型等知識點，也同時存在與模式識別、機器學習交叉的知識點。

我們針對來自不同研究領域的學生群體，對該課程群的知識點進行系統梳理，既避免知識點的重復講授，也防止重要知識點的缺漏。課程教師集體討論，形成每門課程的核心知識集，和針對不同研究領域的選講知識集。學生在學習課程時，在掌握核心知識集的基礎上，結合自己的研究方向選擇相關的選講知識集學習。

在課程教材和參考書的選擇上，注重挑選國際上有影響力的教材。例如，模式識別的參考書為Richard O. Duda等人編著的Pattern Classification；機器學習的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數據挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計算機視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國內外著名大學普遍采用。同時，每門課程都提供相關的國內外頂級會議和期刊的列表，供學生課后追蹤研究領域的熱點問題。

在課堂授課環節上，注意采用靈活多樣的授課方式。對于核心基礎知識模塊，以教師講授為主，同時提供國內外該類課程的熱門MOOC網址給學生參考。對于選講知識模塊，鼓勵學生事先結合各自研究方向有目的自學，在學生報告的基礎上進行課堂討論方式進行。充分發揮學生學習的主體作用，也便于教師了解學生的水平和學習狀況。

除此以外，不定期邀請國內外著名學者來校做學術報告，讓學生充分了解該研究領域的最新前沿動態，并就熱點問題進行專題討論。

3.3 課程群實踐體系完善與考核方式改革

工程實踐和創新能力的培養是該課程群改革的重要目標。我們在上述師資隊伍結構優化、課程群知識體系梳理與授課模式改革的基礎上，著力進行課程群實踐體系的改革與完善。我們通過多層次菜單式的實驗項目選擇、項目牽引的創新能力訓練、學生綜合研究能力的全面考查等方面來實現。

首先，整合和優化課程群實踐內容，實現多層次菜單式靈活選擇。根據各研究領域的要求進行靈活搭配，根據學生個體的能力與水平選擇適當規模和難度的實踐內容，通過課程內的基礎實驗、課程間的綜合實驗、課程群的創新實驗來選擇和組合，如圖1所示。

圖1 多層次菜單式實驗內容示意圖

基礎型實驗內容主要是各課程核心知識點的實驗驗證，主要包括模式識別，機器學習，數據挖掘，圖像處理與分析，計算機視覺等課程的實驗。要求選課學生對這些基礎實驗必做，打下良好的研究基礎。

綜合探索型實驗在基礎型實驗基礎上，既有單門課程內總的綜合實驗，也有課程間知識的綜合應用。主要分為兩大塊，包括模式分析與機器學習方向的綜合實驗，以及圖像處理與機器視覺方向的綜合實驗。實驗目的主要是針對這兩大塊方向重點知識的綜合分析和比較，能夠熟練掌握和靈活應用。例如模式分析、機器學習、數據挖掘等方向都用到的線性判別分析、支持向量機、均值聚類等內容；圖像處理與機器視覺中的圖像特征抽取、視覺系統選型、目標檢測、特定平臺的算法優化等內容。學生可根據各自研究方向有目的的選擇兩塊綜合實驗的大部分內容。

在綜合型實驗基礎上，該課程群通過若干創新型實驗來檢驗學生理論知識掌握程度和實踐方法應用能力，為后續的研究課題開展打下良好的科研素養。主要內容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監控、以及企業來源的關鍵技術等。這些項目實踐既涉及用到圖像處理與機器視覺的內容，也涉及模式分析與機器學習方向的知識。并且需要學生在綜合運用相關知識的基礎上有創新能力。

其次，重視各類項目牽引的創新能力訓練。一方面，鼓勵教師從國家自然科學基金、企業合作項目等研究中提煉出問題規模和難度適中的訓練項目，作為課程群的綜合能力訓練項目。另一方面，鼓勵學生參加挑戰杯、全國研究生智慧城市技術與創意設計大賽等各類具有挑戰性的競賽項目，以賽代練，提升學生的工程實踐和創新能力。同時，也鼓勵學生利用百度、微軟等相關研究領域的企業實習機會，參與產品一線的工程實踐能力訓練。

再次，注重考核環節，實現科研素養和實踐能力的全面考查。只有嚴格、公平、公正的考核，才能保證實驗實踐的質量和水平，才能提升學生的科研素養和實踐能力。我們主要在手段、方式方法上進行了改進。在題目選擇上，根據學生個體水平和研究領域要求的差異，在選題上有適當的難易區分度，讓每位學生都有鍛煉和提升的機會；在考核方式上，采用結題書面報告來檢驗學術論文的寫作能力，采用程序演示檢驗系統的設計與實現水平，采用上臺匯報的方式檢驗學生的表達能力，多管齊下全面檢查學生的綜合科研素養；在考核成績評定上，采用現場教師和學生共同評分的方式，公平合理；最后，通過網站展示、發表學術小論文、專利、軟件著作權等方式展示和公開優秀成果，激發學生的學習熱情，并由此形成積累，有利于學生實驗實踐氛圍的傳承。

4 結語

本文在分析國內外高校模式分析與視覺處理類課程群改革現狀的基礎上，以學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升為目標，重點開展了師資隊伍結構優化、課程群知識體系梳理、課程授課模式改革、課程群實踐體系完善和實踐考核模式改革等工作，取得了良好的效果，并為校內其他課程群的教學改革作為示范推廣。

注釋

① https：//www.coursera.org/learn/machine-learning/

② 郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐.理工高教研究，2010.29（5）：98-100，148.

③ 史金龍，白素琴，龐林斌，錢強.研究生機器視覺課程的CDIO教學改革實踐.計算機教育，2013.9：40-43.

④ 陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式.當代教育理論與實踐，2013.5（7）：112-114.

⑤ 王岳環，桑農，高常鑫.計算機視覺課程的國際化教學模式.計算機教育，2014.19：101-103.

⑥ 范迪，孫農亮，曹茂永，程學珍.我校圖像工程課程群建設的思路和措施.中國科教創新導刊，2009.26：189-191.

⑦ 余義斌，甘俊英，應自爐.基于“圖像分析與計算機視覺應用”課程項目的協同創新能力培養與實踐.工業和信息化教育，2014.5：63-67.