论文面向人工智能课程群的智能视觉实验平台建设，该文是关于人工智能相关电大毕业论文范文和人工智能和平台建设和视觉有关论文范文集.
面向人工智能课程群的智能视觉实验平台建设
王雷全,吴春雷,郭晓菲,孙?冰
（中国石油大学(华东) 计算机与通信工程学院,山东 青岛 266580）
摘?要：针对当前人工智能课程体系在本科实践教学中遇到的问题,分析当前人工智能的热门应用领域,结合本科生实践与科研能力的实际情况,通过面向人工智能课程群的智能视觉实验平台建设,丰富实验教学案例,提升实验教学效果,提高本科生的基本科研能力与科研素养.
关键词：人工智能；视觉智能；实验平台；本科教育
1背?景
人工智能的迅速发展将深刻改变人类社会生活、改变世界.为抢抓人工智能发展的重大战略机遇,构筑我国人工智能发展的先发优势,党、国务院制定了《新一代人工智能发展规划》.我国已成为全球人工智能的发展中心之一,但面临着巨大的人才缺口.如何通过合理可行的培养方案设计与实施,支撑本科层次人工智能人才培养目标的实现,已成为各高校相关专业面临的重大挑战.目前,我国很多高校已开设智能科学与技术专业,着力培养新一代人工智能人才[1].智能科学与技术专业一般都对培养方案、知识结构、教学内容和实践体系进行了广泛的改革和建设.但是,对实践环节的规划不成体系,很少有专门的规划和总体的建设思路.
2人工智能课程实践教学面临的问题
2.1各课程实验环节间缺少衔接,缺乏统一的实践平台
教学大纲的编制过程中虽已充分考虑了人工智能课程内容应有的前后相继和彼此支撑的关系,但是这一衔接关系在实践教学环节却被忽略,各个课程往往各自割据,尤其是实践平台各自独立制订,无法形成合力.课程的实验环境多种多样,Matlab、Ja等不能统一,学生花费大量精力在编程语言上,忽略了人工智能算法本身.因此,迫切需要提供统一的实验平台,有效打破课程实践环节之间的藩篱,提高学习效率,优化实践效果.
2.2实验教学案例落后,缺少与实际相结合的典型应用
传统实验教学案例多为模拟问题[2],很难直观观察到算法的效果,导致学生不能全面理解算法的优缺点.此外,实践内容偏于理论,缺乏与实际相结合的实践案例.当前人工智能技术,尤其是深度学习[3]发展迅速,需要向学生实时传授最新技术进展.因此,迫切需要将最新的典型应用案例融入实践教学中,从而更加清晰地向学生展示专业领域的知识脉络.
2.3课堂实践教学缺乏后续衔接,缺少对课外创新实践的支持
学生在本科期间要学习大量的知识,随着互联网技术和应用的发展,特别是反转课堂理念逐步被接受和认可,课外学到的知识已经成为课内知识的重要补充.“创新实践”是高校学术研究和应用研究的重要活力源泉,是实践教学的进一步延展[4].如何使学生在创新过程中将精力专注在核心算法上,避免重复劳动,进而降低创新成本,提升创新效率,创造更多创新价值是高校实践教学面临的问题.因此,迫切需要提供对创新实践的全面支持,节约复杂的后端系统配置和维护所带来的成本消耗,降低创新成本,提高创新效率.
3面向人工智能课程群的智能视觉实验平台
机器视觉是当前人工智能的研究热点,因此,将人工智能理论与机器视觉相结合,建设面向人工智能课程群的智能视觉实验平台具有重要意义.面向人工智能课程群的智能视觉实验平台可以为人工智能教学提供前沿的应用场景,在人工智能教学过程中,理论联系实际,激发学生的学习兴趣,同时为人工智能教学、科研、竞赛提供坚实的支撑.教学实验平台需要在教学过程中与理论教学内容深入结合,通过设计不同的实验目标,将相关知识点进行整合,实现技术的综合运用.此外,实验内容的设置应以技术的实际行业应用为标准,实验过程尽可能接近于完整的产品开发过程.为此,对智能视觉实验平台进行了总体规划,并制订了平台建设方案.
3.1智能视觉实验平台总体规划
目前人工智能课程群主要包括智能计算基础、人工智能、机器学习、数据挖掘、视觉物联网技术、多媒体技术与应用、数字图像处理、科研实践等课程.经过广泛的调研分析与评估,课程组提出以智能视觉为应用背景,构建基于python+Tensorflow[5]的多课程共享综合教学实践平台,结合人工智能在机器视觉方面的最新进展,向学生提供覆盖“人工智能课程群”的基础实践资源、科研创新资源与学科竞赛资源,力求将“人工智能课程群”的理论知识与实践项目集成于智能视觉实验平台.智能视觉实验平台总体规划如图1所示.
面向人工智能课程群的智能视觉实验平台面向实验教学、科研创新与学科竞赛3个层次.智能视觉实验平台在统一性、先进性、共享性与高效性4个方面进行规划,力求支撑本科人工智能人才培养的实践环节.
（1）统一性,构建统一的基于python+tensorflow的人工智能实践平台,实现人工智能课程群的实践教学资源整合；
（2）先进性,以智能视觉为应用案例,将人工智能实践内容与实际结合,实时补充最新的人工智能进展；
（3）共享性,开放学生与老师的解决方案,达到开放式实验的目的；
（4）高效性,使学生的精力专注在核心算法,避免重复劳动.
3.2智能视觉实验平台建设方案
3.2.1智能视觉实验平台设计
依照对智能视觉实验平台的总体规划,课题组设计了如图2所示的智能视觉实验平台.智能视觉实验平台的研发,能够将相关课程的实验项目进行改写,统一集成于python+TensorFlow平台,通过设置应用场景,各模型算法的执行结果可以从视觉应用中观察到.智能视觉实验平台分为基础框架层、模型算法层、视觉应用层以及综合评价层.
（1）基础框架层：为了实现智能视觉实验平台的高效性,避免学生重复搭建、配置实验环境,平台采用Linux操作系统,并使用容器化技术Docker实现虚拟化环境.在Docker环境下可以调用CPU、GPU等硬件资源,并在此技术上搭建基于python的TensorFlow实验开发平台,同时配置模板、制作镜像以供使用.
（2）模型算法层：模型算法层是智能视觉实验平台的核心,其包括数据预处理、特征提取以及机器学习、数据挖掘等算法.学生可以将完成的算法放入模型算法层,向下可以调用基础框架层的硬件资源,向上可以向视觉应用层提供核心算法.所有算法模型依托于TensorFlow平台,供视觉应用层调用,并可以展示算法效果.
（3）视觉应用层：视觉应用层以技术综合运用为目标,设置与实际相结合的最新应用案例,例如基于深度学习的人脸识别、物体检测与视频分析等智能视觉应用实验项目.视觉应用层可以调用模型算法层的相关算法,提高实验和创新效率.
（4）综合评价层：提供客观与主观的学生评测机制.客观评测按照算法执行的效果,如准确率等评测标准.主观评测从算法的理论水平、先进性等方面对学生进行评测.
3.2.2智能视觉实验平台实验内容
智能视觉实验平台面向课内实验教学、综合设计、课外竞赛与科研创新.一方面,课程组通过对传统实验内容进行改进、改写使之能够融入TensorFlow平台.另一方面,根据人工智能技术最新进展,加入新的实验内容,例如卷积神经网络、物体检测等最新人工智能进展.智能视觉实验平台将实验内容划分为基础实验、进阶实验与综合实验3个层次.
基础实验与课程内容密切相关,其面向课内实验教学,强化对课程基本理论的理解.此过程能够使学生掌握一定的操作技能和实践知识,引导学生在学习过程中发现问题和提出问题.基础实验包括传统图像特征提取、视频光流提取、Apriori算法、最大期望（EM）算法、分类与回归树、聚类、AdaBoost、决策树、神经网络、降维与度量学习、特征选择与稀疏表示、概率图模型、SVM、K-NN等.
进阶实验将部分课程设计与具体课程分离,面向综合设计,按照国内外高校的先进教学模式,强调学生的选题先进性和实践环节的连贯性,鼓励学生将实践环节与最新科学进展结合.在进阶实验部分,设置的实验内容包括卷积神经网络CNN（AlexNet、VggNet、ResNet）、长短时记忆网络LSTM、生成对抗网络GAN、物体检测（Faster-Rcnn、SSD、YOLO）与强化学习等.
综合实验根据人工智能方向设置实验内容,面向课外竞赛与科研创新,侧重工程开发能力、创新能力的培养,使学生能够得到创新意识与实践能力的双重培养.在综合实验部分,设置实验内容包含图像语言描述（如CNN+LSTM+Attention）、视频行为识别（如DTPP、TSN）、人脸识别（如Facenet）、基于视觉的自动驾驶等综合应用.
4结?语
本文对人工智能课程群的实验教学平台的建设规划、建设方案与方法进行了深入的思考与研究,提出了面向人工智能课程群的智能视觉实验平台的建设思路,并给出了具体的平台建设内容与实验项目.智能视觉实验平台的建设,可以向学生提供完整的智能视觉处理框架,包括数据预处理、特征提取、算法模型及评价机制,能够提高学生的实验与科研效率,为人工智能教学提供必要的实验条件,较好满足人工智能方向人才培养的需求.
参考文献：
[1]吴晓如, 王政. 人工智能教育应用的发展趋势与实践案例[J]. 现代教育技术, 2018(2): 5-11.
[2]陈松云, 何高大. 机器智能视域下的教育发展与实践范式新探: 2018《美国机器智能国家战略》的启示[J]. 远程教育杂志, 2018(3): 34-44.
[3]刘勇, 李青, 于翠波. 深度学习技术教育应用: 现状和前景[J]. 开放教育研究, 2017(5): 113-120.
[4]张林, 沈莹. 面向计算机视觉课程的综合性实验平台[J]. 计算机教育, 2017(5): 136-139.
[5]Abadi M, Barham P, Chen J, et al. Tensorflow: A system for large-scale machine learning[C]//12th USENIX Symposium on Operating Systems Design and Implementation (OSDI 16), Sannah, GA. 2016.
（见习编辑：田?原）
本文评论，这篇文章为关于对不知道怎么写人工智能和平台建设和视觉论文范文课题研究的大学硕士、人工智能本科毕业论文人工智能论文开题报告范文和文献综述及职称论文的作为参考文献资料.
参考文献：
1、 智能信息处理课程群教学改革模式 于化龙,左欣,高尚,秦斌（江苏科技大学计算机学院,江苏镇江212003）摘要“智能信息处理”课程群是计算机科学与技术专业课程体系中的重要组成部分 本文以该课程群课程的相关性与综.
2、 基于课程群联动建设的教学团队内涵建设改革和实践 摘要通过高水平师资队伍建设,发挥科研反哺教学作用,提升教学团队内涵建设；通过多元化教学模式改革创新与实践,提高学生创新思维能力；通过以计算思维为切入点,以核心课程为主导,以培养目标为导向的课程群联动建.
3、 新的人工智能工具让业务智能更聪明、更有用 那些希望在数据分析、机器学习方面有所收获的企业转而求助于看起来“不大可能的老朋友”——商业智能（BI）系统,主要是用于分析过去的性能,目前正在通过人工智.
4、 江苏省高校海洋技术品牌专业网络在线课程群建设 摘要基于淮海工学院海洋技术专业海洋动力信息方向网络课程建设和教学改革实践,实现拥有工程实践训练,具有较强实践能力和创新应用能力的人才培养目标,我们开展了国际工程认证背景下海洋技术专业网络“.
5、 能力培养视角下工商管理专业核心课程群的构建 中图分类号院G642 文献标识码院A DOI院10 16871j cnki kjwha 2018 01 031摘要基于社会对工商管理专业人才素质与能力的要求,以“基础—素养&m.
6、 新课程背景下高中物理实验教学 新课程背景下高中物理实验教学□ 刘振北（江西省南昌市第二中学高中部,江西 南昌 330038） 【摘要】在全面素质教育的时代,高中物理教师应当彻底摒弃传统落后的实验教学理念,通过更新教学模式和教学手.