多元化教學資源在計算機視覺課程中的應用探索

李策　趙學軍　王振武

【摘 要】本文面向“新工科”和“智能制造發展規劃”對計算機視覺人才的培養需求，以《計算機視覺-openCV應用技術》課程為例，針對該課程知識體系復雜、內容發展迅速、注重實踐教學的特點，積極探索多元化教學資源的應用，創新教學的思路和手段，鼓勵學生深層理解計算機視覺相關技術，加強學生實踐鍛煉，培養學生分析問題、解決問題的能力。

【關鍵詞】多元化教學資源;計算機視覺;教學改革;教學探索

中圖分類號： TP3-4;G642 文獻標識碼： A 文章編號： 2095-2457（2019）34-0047-002

DOI：10.19694/j.cnki.issn2095-2457.2019.34.017

Application and Exploration of Diversified Teaching Resources in the Computer Vision Courses

LI Ce ZHAO Xue-jun WANG Zhen-wu

（China University of Mining and Technology （Beijing）， Beijing 10083， China）

【Abstract】Aiming at the training demands of computer vision talents in the “Emerging Engineering Education， 3E”and “Intelligent Manufacturing Development Plan”， this paper takes the course“computer vision-openCV application technology”as an example. In view of its complex knowledge system， rapid development， and practice-oriented teaching， the diversified teaching resources are actively explored to innovate the teaching ideas and techniques and encourage students to deeply understand the related technology. The research and exploration of this course also pave a way for students to strengthen practical exercises and train their ability to analyze and solve problems.

【Key words】Diversified Teaching Resources; Computer Vision; Teaching Reform; Teaching Exploration

0 引言

隨著我國“新工科”教育建設和“智能制造發展規劃”的工作推進，計算機視覺課程作為人工智能學科的重要分支，在計算機科學與技術等信息專業中占據重要地位。針對當前時代對計算機視覺人才的專業需求，如何培養學生的專業興趣和實踐能力，是當前計算機視覺相關的本科和研究生課程教學中應重點考慮的問題。計算機視覺課程涉及模式識別、數字圖像處理、應用數學等領域，其覆蓋范圍廣、綜合性強，具有知識體系復雜、內容發展迅速、注重實踐教學等特點[1]。為了適應計算機視覺課程教學多元化、模塊化、網絡化的發展趨勢，落實學校教學改革要求，實現“面向應用、突出實踐”的教學目標，本論文積極探索多元化教學資源的應用，根據講授《計算機視覺-openCV應用技術》課程的心得和收獲，分析多元化教學資源在計算機視覺課程中的應用方法，并總結一些創新教學方法的相關建議和措施。

1 多元化教學資源內容創新

由于受到傳統重理論輕實踐教學模式和教學資源不足的限制，學生往往對現有的計算機視覺課程學習興趣不足，難以認識到課程的重要實際應用價值。顯然，現有課程配套的教材、課件和學習資料等教學資源還未實現多樣化，不能為不同專業基礎的學生提供多樣化的課程內容選擇。目前，國家教育體制改革對高校計算機類課程的教學方法和教學手段有了更高的要求，多元化的教學模式正在計算機學科教學中逐步展開。該教學模式能夠優化學習場景，提高教學資源利用水平，為學生提供適用的學習資料，使得教師和學生能真正利用多樣的教學資源來提升教學效果。

計算機視覺課程的多元化教學資源建設主要從教材、多媒體資料、網絡資源、實訓平臺四個方面來研究一體化的教學內容創新。其中，（1）教材建設是按照課程大綱所列知識點要求，修訂現有的教材內容，確保其呈現穩定的結構化知識;（2）多媒體資料建設需要體現自主學習的指引性，指導學生了解相關專業問題、掌握解決問題所需的理論知識;（3）網絡資源建設充分配合計算機視覺知識的前沿發展，適應不同學生的不同需求，指引師生共同利用Coursera、國道數據等MOOC網絡開放資源，協作學習國內外一流大學的個性化拓展知識;（4）實訓平臺建設通過提煉重點教學內容，設置以工程應用為主導的綜合型實踐型任務，指導學生分組完成資料調研、數據采集、編程實踐、系統調試等過程[2]。以上四個方面的教學內容創新將課內與課外教學、理論與實踐教學結合，形成創新的教學方式，有效讓教師和學生共同利用多元化的優質教學資源，極大地豐富了計算機課程的教學內容，提高了計算機視覺課程的教學效率。

2 計算機視覺課程教學方法改革

2.1 多元化教學資源整合

現有計算機視覺相關的Coursera、國道數據等MOOC網絡開放課程資源中，代表性的課程包括斯坦福大學的Computer Vision：Foundations and Applications課程[3]、華盛頓大學的Computer Vision課程[4]、同濟大學的計算機視覺課程[1]等。本課程不僅整合了上述國內外相關課程的教材、多媒體資料、網絡資源和實訓任務等內容，同時還引入了計算機視覺領域頂級會議的最新研究成果，結合學校的人才培養定位，篩選和重新設計新的課程內容。以中國礦業大學（北京）為例，《計算機視覺-openCV應用技術》課程面向計算機和信息類專業選修，1個學分，16個學時，教材選用機械工業出版社2016版的《OpenCV 3計算機視覺：Python語言實現（原書第2版）》，課外輔助閱讀教材包括：電子工業出版社2015版的《OpenCV3編程入門》、電子工業出版社2004版的《計算機視覺：一種現代的方法》。課程要求學生通過課程學習，學生將建立視覺生成、視覺特征提取與描述、openCV編程實踐的基本概念，掌握計算機視覺分析和理解的基本方法，為今后在視覺信息處理領域的科學研究打下相應的技術基礎。

2.2 課堂教學手段創新

在課程教學中，《計算機視覺-openCV應用技術》課程利用整合后的多元化教學資源，探索出“精講多練、注重實踐”的教學手段，形成“重點內容少而精、一般內容全覆蓋、理論實踐相結合”的教學思路。具體的教學流程為：首先，課堂教學強調基礎性的重點內容學習任務，同時根據學生需求和時間安排調控一般內容的進度范圍。其次，課堂教學創新檢測學生自主學習網絡資源的成效，設置20%的課堂討論時間，引導學生集體討論學習重點和難點。再次，課外安排每周1次辦公室答疑時間，面對面互動解答學習難點和實踐任務，增強師生協作學習，進一步監督和深化學生的學習效果。最后，課程考核包括試卷考核和實踐考核，試卷考核除了涉及課內重點內容外，還增加了主觀涉及題目，實踐考核根據學生實踐任務完成情況給分，整體考核重點落實在計算機視覺知識點的綜合應用。

2.3 課后自主實踐引導

計算機視覺是一門實踐性非常強的課程，實驗教學內容需要與理論內容進行同步更新和改進。《計算機視覺-openCV應用技術》課程16學時難以包含實踐安排，因此，該課程引導學生課后自主完成實踐，采用小組的形式進行，每組4～8名學生自由分組，從教師給定的實驗任務中任選一個，通過收集資料、數據采集、編程實踐、系統調試等過程最終完成該任務，實踐考核分數比值占50%。具體的實踐安排包括實驗任務設置、實驗方法選擇和實驗問題總結三個方面。（1）實驗任務設置上，教師明確布置學生要完成的任務內容、要求和注意事項，課程增加具有較為明顯工程應用背景的設計性實驗內容，減少簡單的原理驗證性實驗，將多項知識點融合。（2）實驗方法選擇上，學生根據需求自由選擇C++、Java或Python語言的openCV視覺函數庫，重點考察實驗效果是否滿足題目要求和應用場景。（3）實驗問題總結上，學生需要記錄完成任務過程中出現的問題，向教師課后尋求答疑，然后解決問題、記錄未解決的問題，總結今后遇到類似的問題要如何處理、如何把學到的知識運用到實踐中去。

3 結束語

計算機視覺課程的傳統教學往往面臨重知識輕能力、實踐內容不足、脫離專業需求等問題，利用多元化教學資源的計算機視覺課程改革能夠解決這些問題。通過對多元化教學資源在計算機視覺課程中的應用探索，積極采用增強學生自主學習的教學方法，結合計算機視覺的應用實例和前沿研究，真正激發學生對計算機視覺知識的學習興趣，培養學生分析問題、解決問題的創新能力。

【參考文獻】

[1]張林，沈瑩.面向計算機視覺課程的綜合性實驗平臺[J].計算機教育，2017（5）：136-139.

[2]孫浩，鄒煥新，計科峰，周石琳.基于SPOC的“計算機視覺導論”課程混合式教學設計[J].計算機工程與科學，2016，38（S1）127-131.

[3]The vison lab.Stanford university CS 131 computer vision： Foundations and applications[EB/OL].[2016-12-26].http：//vision.stanford.edu/teaching/cs131_fall1617/index.html.

[4]Computer vision[EB/OL]. [2016-12-26].https：//courses.cs.washington.edu/courses/cse576/16sp/.stanford.edu/teaching/cs131_

fall1617/index.html.