計算機視覺個性化教學研究

李慧 曹陽 張金區(qū) 王興芳

*項目來源：2022年教育部產(chǎn)學合作協(xié)同育人項目“基于計算機視覺的個性化教學研究與實踐”（基金編號：220805384251228）；

華南師范大學智能基座基地建設(shè)專項“《計算機視覺》課程教學改革”。

作者簡介：李慧，博士，副教授。

DOI：10.3969/j.issn.1671-489X.2024.10.030

摘? 要? 針對目前計算機視覺教學存在的問題，特別是學生學習的個體差異性，提出從構(gòu)建體系化教學內(nèi)容、創(chuàng)新教育方法、擴展多層次實驗教學、過程化教學考核等方面進行計算機視覺教學改革，介紹具體教學的改革實踐，展示課程改革效果。

關(guān)鍵詞? 計算機視覺；個性化教學；教學改革；人工智能

中圖分類號：G642.0? ? 文獻標識碼：B

文章編號：1671-489X（2024）10-0030-03

0? 引言

當前，人工智能已經(jīng)成為大國競爭的焦點[1]。2016年以來，我國將人工智能領(lǐng)域建設(shè)提升至關(guān)乎國家競爭力、國家安全的重大戰(zhàn)略[2]。視覺作為現(xiàn)代人工智能系統(tǒng)不可或缺的重要組成部分，是未來人工智能技術(shù)發(fā)展的重要方向。在人工智能生態(tài)系統(tǒng)中占據(jù)戰(zhàn)略制高點，迫切需要培養(yǎng)大批計算機視覺技術(shù)人才。

1? 計算機視覺課程教學面臨的挑戰(zhàn)

計算機視覺作為人工智能專業(yè)的必修課，其目的是使得學生掌握計算機視覺相關(guān)理論技術(shù)，增強對視覺數(shù)據(jù)的洞察力與解決視覺問題的創(chuàng)新能力。當前，計算機視覺課程教學面臨以下挑戰(zhàn)。

1.1? 計算機視覺是交叉學科，知識點廣而深

計算機視覺涉及心理學、數(shù)學、哲學、生物學、計算機科學等多個學科，內(nèi)容廣泛，且理論較為抽象。對于學生來講，繁雜、深奧的各項知識點難以理清。如何將知識點形象化地呈現(xiàn)，并能有機地串聯(lián)在一起，是教師在教學過程中著重思考的問題。

1.2? 計算機視覺是快速發(fā)展的學科，知識更新快

計算機視覺課程內(nèi)容的不斷豐富，對教師課程內(nèi)容的組織和學生的學習能力均提出挑戰(zhàn)。計算機視覺課程的教學不能僅僅以講解教材基礎(chǔ)理論為主，應(yīng)緊跟計算機視覺發(fā)展的最新理論和技術(shù)前沿，緊密聯(lián)系實際應(yīng)用，促進對學生的實踐能力、創(chuàng)新能力及科研能力的培養(yǎng)。面對大量碎片化、未成體系的新技術(shù)，學生易出現(xiàn)畏難、逃避等消極情緒，專注力難以持久、課堂學習效果不佳。構(gòu)建具備完整性、邏輯性、系統(tǒng)性和先進性的知識架構(gòu)，探索多樣化教學模式，促進學生保持整個學期的學習熱情，是解決問題的關(guān)鍵。

1.3? 計算機視覺是實踐型的學科，需要理論知識和實踐應(yīng)用相結(jié)合

該課程的原理具有抽象性，應(yīng)用具有很強的實踐性。目前的實際教學過程中，大多數(shù)教師以理論講授為主，實驗教學內(nèi)容與企業(yè)需求脫節(jié)，這與實行產(chǎn)學研用協(xié)同育人的人才培養(yǎng)理念相矛盾。在實驗教學中，引入企業(yè)真實生產(chǎn)需求，利用所學的計算機視覺、計算機技術(shù)等知識，設(shè)計開發(fā)能真實運行的計算機視覺系統(tǒng)，不僅有利于培養(yǎng)學生解決真實問題的能力，還能提升學生對課程的參與程度與學習興趣。

1.4? 學生存在個性化和差異化

學生的學習基礎(chǔ)、學習能力、學習效率等存在差異，單一的課堂內(nèi)容、單一的教學模式和單一的實驗內(nèi)容難以達到好的學習效果。教師要研究和開展個性化教學，構(gòu)建多層次教學內(nèi)容、手段和過程化評價體系，做到因材施教，為國家培養(yǎng)更多具有可持續(xù)競爭力的人才。

總之，以計算機視覺學科發(fā)展及社會需求為導向，構(gòu)建多層次、系統(tǒng)性和先進的教學內(nèi)容，探索符合個性化教學的新型教學模式，培養(yǎng)學生發(fā)現(xiàn)問題、解決問題的能力，對培養(yǎng)新時代創(chuàng)新型人才具有重要意義。

2? 滿足個性化教學的計算機視覺教學改革

計算機視覺課程將從線下到線上展開，重視基礎(chǔ)知識體系構(gòu)建的同時，緊跟時代專業(yè)發(fā)展，引入睿數(shù)科技海豚人工智能大數(shù)據(jù)實驗實訓平臺和計算機視覺項目實戰(zhàn)，完善配套教學資源，采用多元化的考評方式，使得學生具備運用計算機視覺技術(shù)解決實際問題的能力。

2.1? 課程改革目標

2.1.1? 知識目標

通過課程的系統(tǒng)學習，學生清晰了解計算機視覺基礎(chǔ)知識，理解計算機視覺系統(tǒng)的原理，掌握相關(guān)開發(fā)技術(shù)，具備從事計算機視覺相關(guān)專業(yè)所需的專業(yè)知識。

2.1.2? 能力目標

激發(fā)學生對于計算機視覺，特別是其應(yīng)用技術(shù)的認識、了解和興趣，使得學生具備應(yīng)用計算機視覺知識分析、解決復雜工程問題的能力。

2.1.3? 素質(zhì)目標

學生能夠以小組的形式進行綜合性課程項目設(shè)計并評價其性能，培養(yǎng)自主學習、團隊協(xié)作、創(chuàng)新進取的能力，做到科學求真、不斷挑戰(zhàn)。

2.2? 改革措施

2.2.1? 教學內(nèi)容體系化

教學資源分為自建資源和網(wǎng)絡(luò)資源。

自建資源是教師根據(jù)課程教學大綱和人才培養(yǎng)方案，充分挖掘每章節(jié)知識點和思政元素，精心設(shè)計課程資源，并依托線上教學平臺發(fā)布。自建資源分為先導資源、必修資源和擴展資源。先導資源主要針對基礎(chǔ)薄弱的學生，通過先導資源的學習補充必要的基礎(chǔ)知識，以便理解和掌握必修知識點。比如數(shù)字圖像處理課程是計算機視覺課程的先修課程，由于培養(yǎng)方案的調(diào)整，人工智能專業(yè)去掉了數(shù)字圖像處理課程，先導資源中引入數(shù)字圖像處理的相關(guān)知識，有利于學生對很多知識背景的了解。必修資源主要指本單元學習時必須掌握的知識。擴展資源主要是相關(guān)知識的發(fā)展、新技術(shù)和新應(yīng)用，學有余力的學生通過資源的引導，可以繼續(xù)在本專題深耕，激發(fā)學習熱情和創(chuàng)造力。同時設(shè)置“資源共享”區(qū)域鼓勵學生分享和討論，營造好的學習氛圍。

網(wǎng)絡(luò)資源是指MOOC等優(yōu)質(zhì)開放教育資源，帶動學生形成更多的教學創(chuàng)新。實驗體系中引入睿數(shù)科技海豚人工智能/大數(shù)據(jù)實驗實訓平臺和華為ModelArts一站式開發(fā)平臺，開發(fā)不同知識點、不同難度的實驗題目以及多種工業(yè)場景、持續(xù)訓練的實踐課題，從而為學生提供多維度、進階式實驗學習途徑，滿足不同學生的個性化學習要求，使學生的分析問題能力、建模能力和編程能力得到螺旋式

提升。

2.2.2? 教學方式多樣化

以學生為中心，通過教育理念的創(chuàng)新推動教學方式以及教學技術(shù)的全面創(chuàng)新。在線下授課過程中，根據(jù)教學情況和學生情況靈活使用問題驅(qū)動、啟發(fā)式、案例式教學，實現(xiàn)從知識傳授到知識內(nèi)化的轉(zhuǎn)化。在線上學習中，教師引導學生利用網(wǎng)絡(luò)資源進行課前自主學習、課后復習和拓展學習。最終實現(xiàn)學生的課前線上自主學習，課中主動、探究式學習，課內(nèi)實驗強化知識應(yīng)用，課后鞏固所學知識；課外項目拓展，培養(yǎng)高階思維能力。在實驗學習過程中，引入睿數(shù)科技所提供的海豚人工智能/大數(shù)據(jù)實驗實訓平臺和華為ModelArts一站式開發(fā)平臺作為線上實驗平臺，以課程實驗與課程項目的形式推動學生進行實訓，結(jié)合平臺提供的海量行業(yè)案例以及課程所設(shè)計的特色案例在平臺的Juypter編程環(huán)境中進行動手實踐。鼓勵學生積極參加各類比賽，撰寫學術(shù)論文，讓學生實現(xiàn)真正的學以致用，培養(yǎng)探究精神、創(chuàng)新精神以及動手能力。

2.2.3? 教學評價過程化

為確保教學質(zhì)量與課程學習完課率，強調(diào)過程考核和學生形成性評價，建立多元過程化考核體系考核學生素質(zhì)和能力達成度。教學過程中采用多級管理、學習預警、落實到人的過程性管理。多級管理中教師負責課堂學習、線下學習和線上實驗的整體把控，利用在線學習平臺、課程通信群及時解答學生學習疑惑，并發(fā)布各類通知通告，引導學生按時、按量、優(yōu)質(zhì)地完成各類知識點的學習。學習委員或班長負責班級學生的學習考勤，輔助教師督促同學們的學習進度；課程設(shè)計中劃分學習小組，小組長負責組內(nèi)溝通，促進項目的有序進展，對每位成員的表現(xiàn)進行評價。定期發(fā)布學生的學習狀態(tài)數(shù)據(jù)（線下考勤、在線學習時長、作業(yè)或?qū)嶒灥梅值龋]有及時完成學習任務(wù)的學生發(fā)送警示信息；對于多次沒有參與學習、學習質(zhì)量不高的學生采取面對面的溝通。實踐教學依托睿數(shù)科技海豚實驗室人工智能/大數(shù)據(jù)實驗實訓平臺和華為ModelArts一站式開發(fā)平臺展開，平臺中教學管理功能跟蹤教學實踐過程，對學生的實驗學習進度、學習效果進行監(jiān)控與管理。

3? 滿足個性化教學的計算機視覺教學實施

3.1? 計算機視覺理論教學

計算機視覺課程理論總共48個學時，教學內(nèi)容分為圖像特征提取、圖像分割、特征匹配、運動視覺、立體視覺和視覺模式識別等模塊，每個模塊又涉及眾多計算機視覺知識點。為了在有限的時間內(nèi)構(gòu)建好課程知識體系，又兼顧學生特點和個性，對課程知識點進行分割和組織，建設(shè)線上學習平臺。教學中基于案例提出問題，引導學生思考和交流，帶著問題學習相關(guān)理論知識。教師講解涉及的概念、基本原理和方法、技術(shù)發(fā)展趨勢和熱點問題，平臺上提供先導資源、教案資源和進階資源。學生通過先導資源的學習，彌補基礎(chǔ)的不足；通過查閱教案資源鞏固線下課堂學習效果。學有余力的學生依托進階資源實現(xiàn)學習的縱深。

3.2? 計算機視覺實驗教學

計算機視覺實驗教學在睿數(shù)科技海豚實驗室人工智能/大數(shù)據(jù)實驗實訓平臺和華為ModelArts一站式開發(fā)平臺完成。設(shè)計必做與選做相結(jié)合的遞進式實驗，為學生提供多維度、進階式學習實踐途徑，鍛煉學生編程能力和計算思維能力。針對圖像特征提取、圖像分割等重點教學內(nèi)容，分別設(shè)計圖像梯度、圖像輪廓、圖像金字塔、Canny邊緣檢測、分水嶺法圖像分割、霍夫變換等多個必做實驗。視覺識別作為教學的重點和難點內(nèi)容，具有應(yīng)用范圍廣、實現(xiàn)復雜等特點，設(shè)計人臉識別、人體姿勢識別、道路檢測等實驗，學生可以自選其中兩項完成。

此外，還設(shè)計了圖像閾值處理、圖像平滑處理等多個基礎(chǔ)實驗，作為選做實驗提供給課程知識背景薄弱的學生。設(shè)計具有實際應(yīng)用背景的課程項目，分小組來完成，培養(yǎng)學生綜合應(yīng)用知識的能力、分析問題和解決問題的能力以及團隊合作能力。通過在線實驗平臺，學生可以隨時隨地進行練習，隨時檢驗學習成效，提高學習效率。

4? 教學評價與反思

基于個性化的計算機視覺課程目前開設(shè)了兩個周期，取得較好的教學效果，圖1所示是課程目標達成度。從圖中可以看出目標3的達成度為77%，相對低，反映出學生實驗和解決復雜工程問題的實踐能力、運用計算思維來分析問題和解決問題的能力仍需加強。

4.1? 理論教學情況

理論教學效果調(diào)查通過在線調(diào)查問卷進行，問卷從教師的工作態(tài)度、教學理念、教學方法、內(nèi)容組織等方面（表1）進行理論課程教學滿意度評價。面向52名學生，收到有效問卷45份，學生對于理論教學質(zhì)量滿意度達到98%。

4.2? 實驗教學情況

對學生實驗情況進行統(tǒng)計，結(jié)果顯示52位學生在實驗平臺共學習1 712次，總實驗學習時長856小時，每位學生平均學習時長16小時，實驗總完成率為84.3%，表明學生基本上完成實驗要求。但是將所有實驗都完成的學生比例只有37.74%，62.26%的學生存在部分實驗未完成的情況。進一步統(tǒng)計發(fā)現(xiàn)，大部分學生在視覺識別部分的實驗未完成，這表明基于實際應(yīng)用的項目化實驗對學生具有一定挑戰(zhàn)性，在未來的教學中需要進一步完善實驗指導。

5? 結(jié)束語

新時代需要培養(yǎng)實踐能力強、創(chuàng)新能力強的高素質(zhì)復合型人才[3]。在計算機視覺教學過程中，采取個性化分層的創(chuàng)新型人才培養(yǎng)方式，以適應(yīng)人工智能時代對人才知識結(jié)構(gòu)的需要。目前的計算機視覺教學評價較好，但是也存在學生解決復雜工程問題的實踐能力不足的問題，需要在今后的教學實踐中將繼續(xù)探索教學改革方法，完善教學內(nèi)容，全面調(diào)動學生學習積極性。

6? 參考文獻

[1] 周俊偉，朱安娜，王亮亮，等.面向國產(chǎn)MindSpore平臺與Atlas 200的計算機視覺教學改革[J].計算機教育，

2022（4）：56-60.

[2] 陳維維.多元智能視域中的人工智能技術(shù)發(fā)展及教育應(yīng)用[J].電化教育研究，2018，39（7）：12-19.

[3] 艾明晶，孫青，萬寒，等.面向賦能教育的大學計算機個性化教學研究[J].計算機教育，2022（5）：169-175.