基于Python深度學習的目標檢測案例探究

x摘? 要：針對目前高中階段人工智能教育現(xiàn)狀和項目資源案例稀缺的情況，針對浙江地區(qū)高中生的信息素養(yǎng)，結(jié)合新課程改革中“人工智能初步”模塊要求，開發(fā)了具有可操作性的人工智能校本課程項目案例——基于Python深度學習的目標檢測人工智能應(yīng)用項目案例。這些項目案例結(jié)合人工智能應(yīng)用的典型特征，具有較好的可遷移性，可在高中信息技術(shù)校本課程中適用，同時為基于核心素養(yǎng)的高中信息技術(shù)新課程改革提供了深入思考與實踐探索的途徑。

關(guān)鍵詞：人工智能;高中課程;目標識別

Abstract：Aiming at the current situation of artificial intelligence education in high school stage and the scarcity of project resource cases，aiming at the information literacy of high school students in Zhejiang area，and combining the requirements of the “initial artificial intelligence” module in the new curriculum reform，a practical case of artificial intelligence school-based curriculum project ——target detection artificial intelligence application project case based on Python deep learning is developed. These project cases，combined with the typical characteristics of artificial intelligence application，have good portability，and can be applied in high school information technology school-based curriculum. At the same time，it provides a way of in-depth thinking and practical exploration for the new curriculum reform of high school information technology based on core literacy.

Keywords：artificial intelligence;high school curriculum;target recognition

0? 引? 言

高中信息技術(shù)學科課程標準包含了“人工智能初步”選修模塊，但通過大量的調(diào)研發(fā)現(xiàn)，在目前的浙江地區(qū)高中階段信息技術(shù)學科教學中，對于此模塊并沒有系統(tǒng)的理論指導及課程實踐經(jīng)驗，也沒有圍繞信息技術(shù)學科核心素養(yǎng)開設(shè)此課程的案例體系。因此，文章以浙江省寧波市效實中學信息技術(shù)學科開設(shè)的面向高一、高二年級的“學Python玩轉(zhuǎn)人工智能”校本選修課程為研究案例，探索了“人工智能初步”模塊的教學新模式，以“基于Python深度學習目標檢測”為案例進行了具體的研究和分析。案例涵蓋了項目介紹、模型支持、基本步驟、準備工作、目標檢測過程、檢測結(jié)果分析等方面。

1? 人工智能教育現(xiàn)狀及存在問題

隨著云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、智能識別、知識管理等新興科技的暫露頭角，信息技術(shù)疾步邁入智能化階段，人工智能已經(jīng)成為人們關(guān)注和研究的焦點。作為推動未來社會發(fā)展的嶄新引擎，國家高度重視人工智能產(chǎn)業(yè)的發(fā)展。早在2017年國務(wù)院就發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，提出分三步走的戰(zhàn)略目標：到2020年人工智能總體技術(shù)和應(yīng)用與世界先進水平同步，到2025年人工智能基礎(chǔ)理論實現(xiàn)重大突破，到2030年人工智能理論、技術(shù)與應(yīng)用總體達到世界領(lǐng)先水平[1]。而現(xiàn)在在校的中小學生，到2035年和2050年將是國家所需的人工智能高端人才的中堅力量，因此，人工智能相關(guān)能力與素養(yǎng)的培養(yǎng)急需在中小學階段打好基礎(chǔ)，應(yīng)實施個性化的培養(yǎng)模式，培養(yǎng)出更多的人工智能高端人才奠定基礎(chǔ)。

其實，中小學開展人工智能教育早已提上了教育部的議事日程，教育部官方公布了《2019年教育信息化和網(wǎng)絡(luò)安全工作要點》，文件明確指出要“推動在中小學階段設(shè)置人工智能相關(guān)課程”，同時也為中小學開始人工智能教育指明了方向，要推動在中小學階段設(shè)置人工智能相關(guān)課程，逐步推廣編程教育。事實上，教育部文件提到人工智能等內(nèi)容已經(jīng)不是第一次。2018年1月教育部召開《新課標》發(fā)布會，機器人相關(guān)課程被納入了“新課標”中，內(nèi)容涵蓋編程、機器人、人工智能等主要知識;2018年4月，教育部印發(fā)《教育信息化2.0行動計劃》。因此，當教育信息化基礎(chǔ)設(shè)施尚在普及完善、“互聯(lián)網(wǎng)+”和教育領(lǐng)域尚在互相催化融合時，人工智能作為信息技術(shù)的更高發(fā)展階段，毫無疑問將會深層次推動教育教學改革與創(chuàng)新發(fā)展，也給未來教育帶來機遇和挑戰(zhàn)。但是人工智能時代的快速到來讓很多政府部門、學校和老師都猝不及防，對突如其來的人工智能教育還未做好準備，現(xiàn)實存在很多亟待解決的難題。人工智能本就是新興領(lǐng)域，涉及面廣、綜合性強，在中小學教學上尚無成熟的課程案例可循;適合中小學的人工智能教材嚴重短缺，內(nèi)容良莠不齊。而且人工智能涉及面廣，對教師的綜合素質(zhì)、跨學科的能力要求較高;但大部分中小學教師接受教育時沒接觸過人工智能課程，缺乏人工智能相關(guān)的專業(yè)知識，無法形成成熟的教學理念，人工智能資源嚴重匱乏。如何讓學校能夠正常開設(shè)人工智能課程，各級教育主管部門還沒有明確的指導意見。2003年教育部發(fā)布的《普通高中信息技術(shù)課程標準（實驗稿）》和舊版信息技術(shù)教材“人工智能初步”選修模塊成了花瓶和擺設(shè)，全國開設(shè)人工智能課程的高中不足百分之五。原本擺在我們面前的大好機遇卻因殘酷的現(xiàn)實而讓學校和教師望而卻步。

筆者與所在團隊多年來一直位于教學一線，近幾年一直致力于探索可用于高中人工智能教育的項目案例，并在研究與實踐中積累了一些典型案例。這些項目案例資源不但可用于高中“人工智能初步”模塊的教學，高中信息技術(shù)課程其他模塊也能參考使用。筆者期待可以拋磚引玉，為高中一線信息技術(shù)教師上好人工智能課程提供可借鑒的思路。

2? 人工智能項目案例探究

2.1? 項目介紹

目標檢測的任務(wù)是在圖像中找出檢測對象的位置和大小，這是計算機視覺領(lǐng)域的核心問題之一，在自動駕駛、機器人和無人機等許多領(lǐng)域極具研究價值。隨著深度學習的興起，基于深度學習的目標檢測算法逐漸成為主流。深度學習是指在多層神經(jīng)網(wǎng)絡(luò)上運行各種機器學習算法解決圖像、文本等各種問題的算法集合。該算法又被稱為目標檢測網(wǎng)絡(luò)。本項目使用一種名為MobileNet-SSD的目標檢測網(wǎng)絡(luò)對圖像進行目標檢測。MobileNet-SSD能夠在圖像中檢測出多種物體和背景，平均準確率達到72.7%。

Python程序語言是目前公認的最適合人工智能的編程語言[2]。選擇Python作為高中人工智能應(yīng)用開發(fā)語言，因為Python比較接近自然語言;而且Python語法精煉，學習者能輕松入門;此外Python可以廣泛使用大量的第三方庫，也方便了人工智能各種應(yīng)用的開發(fā);再者，新課改審核剛剛通過的浙江省高中信息技術(shù)教材使用了Python語言，Python語言接下來將成為浙江省高中信息技術(shù)教材首選的編程語言之一。

2.2? 模型支持

由于訓練神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)和強大的算力，這里利用一個已經(jīng)訓練好的目標檢測網(wǎng)絡(luò)模型。在Python中，可以通過OpenCV的DNN模型使用訓練好的模型對圖像進行目標檢測。

2.3? 基本步驟

（1）加載MobileNet-SSD目標檢測網(wǎng)絡(luò)模型。

（2）讀入待檢測圖像，并將其轉(zhuǎn)換成Blob數(shù)據(jù)包。

（3）將數(shù)據(jù)包傳入目標檢測網(wǎng)絡(luò)，并進行前向傳播。

（4）根據(jù)返回結(jié)果標注圖像中被檢測出的對象。

2.4? 準備工作

（1）Model文件夾：目標檢測網(wǎng)絡(luò)模型文件包含神經(jīng)網(wǎng)絡(luò)模型文件MobileNetSSD_deploy.caffemodel和網(wǎng)絡(luò)結(jié)構(gòu)描述文件obileNetSSD_deploy.prototxt。

（2）目標檢測文件夾：用于存放本項目的模型、源程序、圖像和視頻等文件。

（3）Images文件夾用于存放目標檢測的圖像，可以含有汽車、飛機、行人、馬、貓等。

2.5? 目標檢測過程

（1）導入cv2和numpy模塊：

（2）指定圖像和模型文件的路徑即創(chuàng)建表示圖像文件、網(wǎng)絡(luò)描述和網(wǎng)絡(luò)模型文件等的變量：

（3）設(shè)定目標名稱，即物體分類標簽、顏色和字體等變量，CLASSES分類中的標簽是通過MobileNET-SSD網(wǎng)絡(luò)訓練的能夠被檢測的物體名稱，包括20種物體和1種背景;COLORS變量存放的是隨機分配的標簽顏色：

（4）加載網(wǎng)絡(luò)模型，使用DNN模型從文件中加載神經(jīng)網(wǎng)絡(luò)模型：

（5）讀取圖像并進行預處理，從文件種加載待檢測的圖形，用來構(gòu)造一個Blob數(shù)據(jù)包，cv2.dnn.blobFromImage函數(shù)返回一個Blob數(shù)據(jù)包，它是經(jīng)過均值減法歸一化和通道交換之后的輸入圖像：

（6）將圖像傳入網(wǎng)絡(luò)：

（7）對結(jié)果進行處理，用循環(huán)結(jié)構(gòu)讀取檢測結(jié)果中的檢測區(qū)域，并標注出矩形框分類名稱和可信度：

（8）顯示圖像并等待：

2.6? 目標檢測結(jié)果分析

案例中靜態(tài)圖片的檢測，從圖1識別前與識別后對比圖中可以看出，圖1（b）中被識別的物體被方框所標記。對圖中含有車和人的圖像進行目標檢測，在Python Shell窗口中輸出被檢測出的物體及其可信度如下：

3? 結(jié)? 論

通過開發(fā)這樣的項目案例資源，解決了高中信息技術(shù)校本課程中最具挑戰(zhàn)性的人工智能課程教學難的問題，從而使基于學科核心素養(yǎng)的信息技術(shù)課程教學初步落地，也讓大數(shù)據(jù)、人工智能這些概念不僅僅停留在理論宣傳上，更滲透到一線教師日常教學的實踐中。另外具有人工智能課程建設(shè)經(jīng)驗的大學通過現(xiàn)代遠程教育手段與中學合作開展教學，也可以加快高中人工智能課程建設(shè)的步伐并保證教學質(zhì)量。大學負責教學專題網(wǎng)站的建設(shè)，主持與中學生的討論答疑;中學則負責課程教學的具體實施。高校研究人員能為中學提供理論指導、教學資源和教學實施建議;來自中學的教學實踐也利于高校研究者開展更有效的課程研究。因此本文的研究也僅僅只是一個開始。

參考文獻：

[1] 中華人民共和國教育部.普通高中信息技術(shù)課程標準：2017年版 [M].北京：人民教育出版社，2018：9-10.

[2] 秦科，劉貴松.面向Python應(yīng)用的大學教學改革初探 [J].計算機教育，2017（9）：21-25.

作者簡介：朱微霞（1975.08—），女，漢族，浙江寧波人，高級教師，本科，研究方向：中學信息技術(shù)教學研究、新課改校本課程開發(fā)。