人工智能背景下数字图像处理教学改革研究

人工智能背景下数字图像处理教学改革研究

郭嘉晔1郭倍生2

上海市公安局闵行分局刑事科学技术研究所  上海 200233

摘要：在人工智能背景下，由于人工智能技术的持续性发展，在一定程度上推动了数字图像处理技术的更新速度，考虑到此门课程存在应用场景、多领域交叉融合等实际特征，需要及时转变传统的数字图像处理技术课程教学，积极结合先进的技术与内容，推动数字图像处理技术，完成课程教学改革工作。因此，本文将从课程内容、教学方法、教学考核、教学目标、教学模式、教学理念等方面进行讨论，以期突破传统教学内容与方法的局限性，从根本上培养具有较高专业素质的数字图像处理实践人才。

关键词：数字图像处理；人工智能背景；教学内容；教学方法；教学改革

前言：数字图像处理是人工智能专业的一门重要专业课程，数字图像处理的课程教学需要结合人工智能专业的培养需求，进行深入的教学改革。由于目前该课程存在教学与人才培养需求相脱节、考核方式单一等诸多问题，不利于达成符合新时代需求的新工科人才培养目标。针对这些问题，本文从人工智能专业的人才培养需求出发，基于工程和创新能力培养、课内实验方式革新等不同维度进行课程教学改革的探索。这些探索有利于教师了解学生真实的工程实现能力，更有利于提高学生学习课程的积极性、培养学生解决工程问题的能力和创新能力。

1人工智能背景下数字图像处理教学过程的问题

1.1课程相关知识获取途径少

考虑到数字图像处理技术学科内容具有较强的实践性特点，在教学过程中应该注重展开实践教学。但绝大多数高校在推动展开数字图像处理技术课堂教学过程中，容易忽略了实践教学的重要性，使得整体课堂教学更加注重于理论知识的讲解。此种教学方式对于实践性较强、专业性较强的数字图像处理技术教学而言具有负面的影响作用，不利于拓展学生学习视野，不利于拓宽学生的知识面。并且，由于忽视了数字图像处理技术教学实践性特点，可能会导致学生创新意识与问题意识难以有效激发的问题，不利于提升学生具体解决问题的能力。在人工智能背景的影响下，强调要突出课程内容的与时俱进，而结合具体数字图像处理技术课程教学可知，多数教师在进行此门课程讲解过程中，没有注重应用最新的技术与创新性的实践方法展开教学活动，学生难以及时掌握最新的数字图像处理技术知识内容体系，在一定程度上影响了学生知识广泛程度和知识运用能力。

1.2教学与人才培养需求相脱节

在新工科人才培养方面，重要任务之一是解决长期以来高等工程教育中存在的人才供需相脱节问题。针对数字图像处理课程，教学与专业需求相脱节主要体现在以下两方面。（1）该课程绝大多数教材以MATLAB平台为基础，从而多数高校的课程教学也以MATLAB平台为主。但在知识产权保护不断加强的当下，多数高校和中小企业都无法再以MATLAB平台为基础进行相关的教学和科研，即继续以MATLAB平台为基础进行教学将与社会实际需求相脱节。（2）先前的数字图像处理课程，侧重于MATLAB编程的验证性实验，没有考虑Python、OpenCV等人工智能领域使用的主流语言和工具包。另一方面，当前PyTorch、Tensorflow、PaddlePaddle等多数深度学习框架都支持的编程语言是Python，学术界和工业界多基于Python语言进行人工智能研究和应用。因此对人工智能专业来说，当前数字图像处理课程的教学方式和内容不能与专业发展相同步，也不足以提升学生的工程实践能力，即传统授课和实践环节与人工智能专业需求相脱节。

2人工智能背景下数字图像处理教学改革措施

2.1工程和创新能力培养

教育部领导曾强调：工程教育在我国高等教育中占有重要地位，高素质工程科技人才是支撑产业转型升级、实施国家重大发展战略的重要保障。工程实践能力和创新能力培养是人工智能等“新工科”专业的基本要求之一。长期的工程教育教学实践表明，基于问题学习（problem－basedlearning，PBL）以及相关的研究性学习方法能够有效提高学生的专业能力、创新能力。这种教学方法以问题为中心，将学生置于复杂的、结构不良的、现实世界的问题情境中，让学生主动探究问题的解决方案，学习问题中所隐含的科学知识，借此过程发展高层次的思维技能、培养学生解决问题的能力、自主学习能力与合作能力。另外可能需要处理课程学时缩减这样的不可忽略的不利因素。例如笔者所在单位的新培养方案中，数字图像处理课程已被缩减到32学时(内含8学时实验)。在学时较短的情况下，若课堂教学中必须传授图像处理基本算法背后的数学原理、图像处理算法具体实现细节等内容，此时可采用综合案例知识渗透法，利用Python语言解决的实际图像处理问题，可视化引导学生学懂悟透算法及算法的数学原理，继续引申出可拓展的图像处理问题，培养学生创新实践能力。对于数字图像处理课程的实验部分，现有实验设计普遍存在知识点零散、以验证性实验为主，无法培养学生对各知识点的综合应用能力。针对这种情况，从“基于问题学习”的角度考虑，可分出至少2学时用于综合性项目实验。具体来说，教师可以：1）梳理出多个实际的综合性的图像处理工程项目案例(例如人脸识别、车牌识别、CIFAR-10图像分类等)，确定初步项目问题；2）将学生分为多个小组（不同小组可以进行同一实验项目）；3）教授学生基本的文献查阅方法。学生可以：1）根据可能用到的知识点对问题进行分解；2）自主查阅文献解决自己遇到的特殊问题。在这个过程中，学生通过逐步学习与探索，可以增强学习的能动性，激发他们的学习热情，同时也提高了他们的工程和创新能力，从而让理论教学和实践应用得到了平衡

。

2.2课内实验实施方式革新

如前所述，仅通过在机房实验和提交实验报告的方式，难以了解到学生的实际掌握程度，尤其是真实的工程实现能力。笔者所在学校和百度公司共建人工智能产业学院，学校可充分利用百度公司在人工智能领域的优势资源，共同创新人才培养方式、深化产教融合。基于上述因素，我们尝试在百度AIStudio平台上开展数字图像处理课程的实验部分。百度AIStudio平台提供了完整的教学功能，方便教师快速组织小班授课及公开课授课。同时提供在线编程环境、GPU算力支持、海量开源算法和开放数据，帮助学生快速创建和部署模型。该平台具有课程管理、教学资源库、课程实训等功能模块，提供教学活动中的全工作周期服务，包括教务、教学、考评、工具等。根据实施经验，在百度AIStudio平台开展课内实验具有以下优势。（1）传统校内机房为了预防计算机病毒，大多安装了系统还原设施，这就意味着学生对计算机设置的任何修改（包括新装软件、扩展库、系统变量更改等），在系统重启后都会丢失，故使用机房机器进行实验效率不高，学生使用意愿也不强。相对而言，百度AIStudio平台提供在线编程环境、CPU/GPU算力支持、存储支持等，能够支撑实验而且规避了上述缺点。（2）AIStudio平台上支持Jupyternotebook·295·智库时代智方式编写、运行代码，并直接展示结果，学生提交实验作业后，教师能同时看到学生的代码和展示的运行结果，避免学生实验报告中代码与结果不一致的问题，有助于教师了解学生真实的工程实现能力。（3）AIStudio平台具有多种资源库，方便感兴趣的学生继续探索实验。

结束语：

为响应新工科建设中要求的学生培养目标，本文针对人工智能专业的数字图像处理课程的传统教学存在的问题和挑战，进行课程教学改革探索，从“基于问题学习”角度设计综合性的实验项目，依靠百度AIStudio平台进行课内实验，多元考核评价等方法，增强学生的兴趣感和学习主动性、鼓励其探索创新的努力、提高学生的工程和创新能力，加入课堂思政，激发学生学习的主动性，使得学生所学知识和经验可无缝衔接毕业后的工作内容，有利于学生就业。

参考文献

[1]酒明远.人工智能背景下数字图像处理教学方法的两点思考[J].科技风,2019(33):84.

[2]张育中,卢荣胜,董敬涛,杨蕾,郎贤礼.数字图像处理课程教学实践与思考[J].大学教育,2022(6):142-144.

[3]杨晓玲.基于人工智能的数字图像处理课程教学改革实践[J].职业技术,2021,20(1):61-65.