基于AI Studio平臺的《數字圖像與計算機視覺》課程改革

高赟，王津，吳昊，楊旭濤

云南大學信息學院，云南昆明，650504

0 引言

當前全世界已迎來了第四次工業(yè)革命，其利用信息化技術促進產業(yè)變革，開啟了智能化時代。此次變革引發(fā)的不僅僅是產業(yè)經濟的轉型，也給人工智能相關的教育變革帶來了契機。教育部在發(fā)布了《高等學校人工智能創(chuàng)新行動計劃》之后，接著在人工智能領域布局了人工智能和智能科學與技術兩個新專業(yè)，各高校相關專業(yè)的人才培養(yǎng)方案和人工智能相關課程也隨之改革，以進一步提升高校人工智能領域科技創(chuàng)新和人才培養(yǎng)。在此背景下，我們也對云南大學人工智能相關課程改革進行了探索。在參加“全國高校深度學習師資培訓班（第12期：計算機視覺）”后，受到教育部高等教育司產學合作協(xié)同育人項目的資助，筆者基于百度的人工智能學習與實訓社區(qū)AI Studio平臺和飛槳開源深度學習平臺對數字圖像與計算機視覺課程進行了改革。

數字圖像與計算機視覺從信息處理的層次研究視覺信息的認知過程，研究視覺信息處理的計算理論、表達與計算方法。該課程旨在讓學生掌握視覺信息的基本處理方法，提高學生的工程實踐素質和能力，培養(yǎng)工程實踐型專業(yè)創(chuàng)新人才。不少高校都對圖像處理相關課程的教學改革進行了探索，相關報道如下：提出線下教學模式與基于“互聯網+”的線上教學模式相結合的一體化教學模式；為了激發(fā)學生學習的主動性和積極性，提出了一種案例驅動教學方案；探索了學生綜合素養(yǎng)導向的研究型教學與實踐模式；進行了以教師為主導、學生為學習主體的課程教學模式改革。這些都側重于教學方式或教學方法的改革，并未涉及課程內容的改革。有文獻則對本科和碩士階段圖像處理課程的差異性進行了研究，提出一體化的課程分級教學模式。另有文獻報道了從教學內容和教學模式兩方面對數字圖像處理課程進行的改革，其主要內容為加大了圖像分析和圖像理解的內容比例。這兩篇文獻表明在圖像處理相關課程中引入前沿技術對后續(xù)科學研究和工程應用的重要性。

云南大學數字圖像與計算機視覺課程傳統(tǒng)教學中，在教學方式、教學內容、教學實踐等環(huán)節(jié)存在著諸多問題，本文將從教學方式、教學內容、教學實踐三個角度對該課程現狀進行分析，并對具體改革方式進行闡述。

1 課程現狀及問題分析

1.1 教學方式

在教學方式上，本課程采用純線下課堂教學的方式進行。與其他線下課程方式[1]具有一樣的通病，學生在具體課程內容未知的情況下很難做到課前預習，因此具體課程教學環(huán)節(jié)的效果也會大打折扣，在課后鞏固環(huán)節(jié)也沒有對應的學習資料，當學生在某個知識點存在疑問時也無處提問和討論。尤其在近兩年全球疫情的特殊時期下，單純線下方式教學也難以靈活適應突發(fā)情況。因此，為了使學生能夠做到課前預習、授課環(huán)節(jié)效率高、課后鞏固、提問與討論，并能應對特殊時期下的突發(fā)情況，該課程的教學方式需要轉變[1]。

1.2 教學內容

在教學內容上，本課程在以往授課中只是講授教材相關的理論內容，課程內容很少會引入計算機視覺領域的前沿技術或教師科研工作的最新成果，也導致學生掌握的知識與未來的工作或研究是脫節(jié)的。然而，隨著人工智能技術的不斷發(fā)展，計算機視覺技術也在不斷快速發(fā)展，用于圖像或視頻處理的深度網絡模型也在不斷優(yōu)化，因此必須在原有課程內容基礎上引入計算機視覺領域的前沿技術，才能使學生更好地了解計算機視覺領域的技術現狀與趨勢，從而滿足后續(xù)開展科學研究或從事工程應用的需求[2]。

1.3 教學實踐

在教學實踐方面，本課程以往的實踐環(huán)節(jié)主要通過MATLAB離線編程來實現。然而，隨著人工智能時代的帶來，計算機視覺前沿技術部分大多采用機器學習或深度學習方法實現。在教學實驗室開展MATLAB離線編程主要存在以下問題：科學研究或工程應用大多采用Python編程實現機器學習或深度學習算法，學生采用MATLAB平臺實踐無法與后續(xù)科研工作或工程應用項目需求接軌；深度學習網絡的訓練過程需要配置深度框架和GPU計算資源，實驗室離線編程環(huán)境批量配置深度框架較為復雜，提供GPU計算資源也極度增加了硬件成本，大多數高校教學實驗室從經費上都很難配置相應軟硬件環(huán)境。

2 教學方式改革

本課程的教學方式從以往的“純線下方式”轉換為“基于AI Studio的線上線下混合式教學方式”。AI Studio平臺是百度人工智能學習與實訓社區(qū)，可以提供線上線下相結合的靈活授課方式。通常情況下課程理論部分采取線上線下混合式教學方式，當遇到疫情等特殊情況時，可以快速轉到純線上授課。

本課程在AI Studio平臺開設的界面如圖1所示。對于課前預習環(huán)節(jié)，AI Studio平臺課堂提供了課程材料上傳功能，教師可以在課前1～2天上傳課程預習資料和課件。學生可以在課前通過AI Studio提前下載課件對課程內容進行預習。在理論教學環(huán)節(jié)，學生可以帶著預習過程中發(fā)現的問題來聽講，有針對性地對重點難點問題進行學習和討論，在促進課堂互動的同時提高授課效果[3]。同時，教師還可以在具體課節(jié)中插入“項目”，很方便地完成教學實踐案例的線上講解，如圖1中虛線框所示，以課節(jié)4和課節(jié)11為例分別插入了相應的教學實踐“項目”。在課后鞏固環(huán)節(jié)，學生可以在線上學習課程相關資料，也可以在平臺課程討論區(qū)與教師、助教、同學進行提問與交流。教師也可以借助該平臺完成課程的其他考核環(huán)節(jié)，如課后作業(yè)、隨堂測試、期末考試等。相比純線下的教學方式，基于AI Studio平臺的授課方式更為靈活，也激發(fā)了學生自主學習興趣。

圖1 AI Studio平臺本課程界面及插入“項目”示例

3 教學內容改革

本課程的教學內容從“傳統(tǒng)的教材式理論教學”轉換為“經典理論+計算機視覺前沿技術”。在經典理論方面，課程內容主要涉及數字圖像基礎、圖像變換、圖像增強、圖像恢復、圖像壓縮編碼、圖像分割和圖像描述。這些內容是經典的圖像處理方法和計算機視覺技術，也是適應計算機視覺領域快速發(fā)展的重要基礎[4]。在前沿技術方面，借助百度公司提供的豐富教學資源、飛槳深度學習框架及免費算力，課程內容主要涉及與圖像視頻處理相關的機器學習基礎、深度學習基礎、及基于深度學習的計算機視覺技術。視覺技術具體包括目標檢測技術、目標分割技術、圖像標題生成技術、視覺內容生成技術、視頻分類、動作識別等。該課程內容的改革不僅使學生更好地掌握了傳統(tǒng)的經典理論，也學到了計算機視覺領域前沿技術，并能夠動手編程實踐完成經典的計算機視覺算法，其促進了教學與研究的結合、知識學習與產業(yè)需求的接軌。

4 教學實踐改革

本課程的教學實踐改革從“MATLAB離線編程實踐”轉換為“基于AI Studio平臺的Python+飛槳在線編程實踐”。在機器學習與深度學習技術的推動下，Python編程已成為計算機視覺技術具體實現的一種主流方式[5]。AI Studio教學平臺集成了便捷的Python編程功能和飛槳開源深度學習框架，更重要的是，該平臺還提供免費GPU算力和技術支持。在課堂實踐教學環(huán)節(jié)，專門增加了AI Studio平臺與飛槳深度學習框架的概述與使用入門課節(jié)，以使得學生系統(tǒng)了解AI Studio平臺和飛槳深度學習框架的使用方法。教師可以借助該平臺在線講解并詳細剖析圖像處理具體實現原理，并通過目標檢測和圖像分類等實踐案例使學生具體掌握PaddlePaddle的調用方法，通過深度模型調優(yōu)的實踐作業(yè)進一步強化學生對PaddlePaddle框架的掌握。通過實踐案例講解，學生不僅可以更加具體地掌握抽象的圖像視頻處理技術，還可以學習AI Studio平臺使用Notebook進行Python編程的方法，使用飛槳框架實現深度學習網絡編程的方法，也將為學生在未來的學習或研究中奠定重要的深度學習框架基礎[6]。

以計算機視覺部分布置的實踐作業(yè)“中藥材識別模型調優(yōu)”為例，36位同學提交了作業(yè)且提供了模型校驗準確率，其成績分布在75～100分之間。成績散點圖和分布比例如圖2所示，成績呈正態(tài)分布，80～90分之間的學生比例占77.78%，其教學效果較為理想。

圖2 成績散點圖和分布比例

5 結語

在人工智能領域迅速崛起的時代背景下，筆者對云南大學數字圖像與計算機視覺課程的改革進行了研究和論述。在教學方式上，本次改革采用百度的人工智能學習與實訓社區(qū)AI Studio作為教學平臺，提供了線上線下靈活的授課方式，且便于學生課前預習、課后鞏固、提問與討論。在教學內容上，在傳統(tǒng)課程內容的基礎上，結合計算機視覺領域科學研究的最新進展引入了該領域的前沿技術。在教學實踐上，將傳統(tǒng)MATLAB離線編程方式改革為在線Python+飛槳在線編程實踐的方式，在降低高校軟硬件成本的基礎上使學生實踐能力與未來科學研究或工程應用需求接軌。雖然本課程改革取得了一定的成效，但是我們接觸AI Studio平臺和飛槳在線編程的時間并不長，本課程改革的方案在未來教學中仍需要進一步探索和完善。