“智能＋”背景下计算机视觉应用型人才培养模式思考

郭 坦 刘占军 谭晓衡

（1.重庆邮电大学通信与信息工程学院 重庆 400065；2.重庆大学微电子与通信工程学院 重庆 400044）

一、引言

2019年3月5日，十三届全国人大二次会议在北京举行，政府工作报告首次出现“智能+”，“推动传统产业改造提升，围绕推动制造业高质量发展，强化工业基础和技术创新能力，促进先进制造业和现代服务业融合发展，加快建设制造强国。打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。促进新兴产业加快发展。深化大数据、人工智能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。”。报告明确指出2019年要打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能，这是“智能+”首次，也是人工智能连续三年被写入政府工作报告，“智能+”已经逐渐接棒“互联网+”，成为今后改造传统行业的新动力。继第一次蒸汽技术革命、第二次电力技术革命、以及第三次计算机及信息技术革命之后，以人工智能、清洁能源、量子信息技术、可控核聚变以及生物技术为主的第四次技术革命被各国政府及学术产业组织所重视，而人工智能被放在第四次工业革命重中之重的位置。近年来，人工智能已经不仅限于学术理论研究，而是已经渗透到各个行业，逐渐像水电煤一样赋能于各个行业，人类社会已逐步进入“智能+”时代。

现阶段，国家政策的重点从研究人工智能技术转向人工智能技术与实体经济的深度融合发展。从广义上说，计算机视觉是“赋予机器自然视觉能力”的学科，是最早取得突破性进展，也是落地应用最广泛的人工智能技术。伴随着计算机视觉技术与产业的迅猛发展，应该认识到，我国在计算机视觉核心原创内容方面的贡献较少，基础性、开创性的研究能力还有待提高。促进技术及产业发展，关键在人才，人工智能行业属知识密集型，是顶级人才争夺最激烈的领域。但现实情况却是，真正的计算机视觉领域专门人才非常有限[1]。业内人士估计，我国整个人工智能领域的人才数量缺口在百万级别。人才培养的基础是教育，高校作为新技术的策源地以及创新人才培养的重要平台，需要深入思考如何提高计算机视觉人才培养质量，为国内产业技术升级以及人工智能的长远发展奠定人才基础。

二、本科计算机视觉课程特点及要求

（一）计算机视觉课程的特点

计算视觉课程最显著的特点和目的是培养学生运用知识与创新实践的能力。因此，在课程教学中应设置专题实践环节，强化项目学习的意识，比如设计一个人脸识别计算机视觉项目，将该项目分解为三个主要部分：第一部分是项目数学基础部分，包括函数、微分、最优化，以及矩阵运算等基础知识的学习。第二部分是机器学习与模式识别模型设计部分，包括基本的主成分分析、线性鉴别分析等。第三部分是项目的工程实现与验证，引导学生选择一种编程语言实现从计算机视觉模型从数学模型到现实可用项目的转变。项目的实施贯穿课程的始终，分步骤、模块化地设计项目内容，通过项目教学法使学生融会贯通所学知识，在实践中进一步理解和升华所学知识，培养学生项目化工程化的意识和能力。

（二）计算机视觉人才培养要求

社会分工细化促使行业间分工愈益精细，而计算机视觉技术与行业之间的结合也更加紧密。精通计算机视觉技术的人才很难通过传统的方式培养，培养过程应该面向社会需求，实现学术与工业界的无缝衔接，但目前大学计算机视觉课程内容与学生专业需求相距甚远，在其专业中的应用及促进作用体现不足，无法使学生认识到计算机视觉课程的重要性[2]。那么，从本科生培养的角度看，产业界究竟需要什么样的计算机视觉人才？通过走访企业，并且分析国内某知名计算机视觉企业实习生招聘，产业界对计算机视觉人才的基本要求涵盖以下几点，首先是扎实的计算机视觉和工程技能基础；其次是独立分析和解决问题的能力、良好的沟通能力，以及基本的算法设计和实现能力，熟悉Python/C++/CUDA编程，掌握PyTorch/TensorFlow/MXNet等框架，最后是科研经历，具备相关领域顶级期刊或会议的发表经历。从这些要求不难看出，产业界对学生素质的要求涵盖了基础知识、工程实践能力及科研能力，高校人才的培养也应从这几个方面着眼。

三、实践导向的计算机视觉课程建设

（一）夯实课程基础

俗话说，“学好数理化，走遍天下都不怕”，这句话背后的逻辑是以学好数理化为基础，掌握分析问题解决问题的能力，找到好工作是水到渠成的事，其中强调抽象思维和逻辑思维的数学尤为重要。人工智能的原理，用一句话概括就是：人工智能=数学计算。机器的智能程度，取决于“算法”的智能程度。具体到计算机视觉课程，同样如此。如果学生在计算机视觉学习的过程中遭遇挫折，多半是由于数学知识的阻碍。计算机视觉中的数学分两个层面，一个学术研究层面，一个是工程应用层面。注重本科生数学应用能力的培养，培养学生数学基础的整体性和层次性，包括线性代数、矩阵论等基础数学课，还要有线性代数、概率统计、最优化等内容[3]。

此外，人工智能时代是一个以计算机科学为基础的时代，编程将成为一种基本能力，其核心是编程思维。比尔·盖茨说过：学习编程可以锻炼你的思维，帮助你更好地思考。教育的本质不止是学到知识的多少，更重要的是逻辑思维能力的锻炼[6]。因此，在计算机视觉课堂上，应注重培养学生的编程能力，准确地说是培养“编程思维”，具体地，“编程思维”指的是理解和分析问题，进而找出解决问题的路径的思维过程。编程思维的培养不是一朝一夕一蹴而就的，需要在教学的过程中予以正确引导，将对数学思维与编程思维的训练贯穿于课堂教学的始终，反复实践，激发学生主动学习的热情。

（二）从实践角度优化课程内容

计算机视觉是一门应用学科，因此其课程内容的设置首先应考虑其核心基础，例如机器学习、知识表示与分析，以及相关基础课程，例如数字图像处理、模式识别等。目前我国计算机视觉课程没有固定教材，课程体系设置仍参考“美国模式”。即使是在国外的领先高校，也在不断改进课程体系，如最近麻省理工正在“重塑”计算与人工智能学院，迎来成立70年来的最大架构变化。据了解，高等教育出版社已成立新一代人工智能系列教材编委会，计划从2019年开始出版面向本科生和研究生的专业教材，覆盖人工智能核心理论和主要应用领域。计算机视觉课程内容设置的关键在打通产学研，扩展课堂，增加实训实操内容[4]。因此，课程内容应瞄准技术前沿与实际社会需求，不仅要立足于前沿基础理论，而且要面向解决现实问题的应用开发，对接产业升级需求，培养兼备研发能力与实践经验的人才。

（三）围绕项目的工程实践

目前的高校教育偏重于课堂，课堂老师所传授的知识往往是基于教科书的，老师负责讲，学生负责听，学习缺乏热情和主动，这种教学方式难以培养出适应新时代工作岗位要求。基于项目的学习（Project Based Learning， PBL）[5]，是一种以完成项目为导向的教学方法，让学生通过长时间工作来调查和解决现实复杂的问题、困难或挑战，通过这个过程获得知识与技能[6]。例如，在完成“如何构建一个模式识别系统”的教学任务时，PBL提倡采用项目制以学生为中心的教学理念，其做法是提前设置一个选题，需要学生们事先去收集相关的信息与资料，并分组讨论、拟定项目实施步骤，进行项目调研、技术研发与最终的项目部署。通过这个过程，引导学生将一个复杂的问题拆解成一系列易于解决的小问题，每个小问题被单独处理，聚焦几个重要节点，形成解决思路，进而设计执行步骤，使问题最终得到解决。在教学过程中，可利用一些开发平台，如百度开发的AI Studio一站式开发平台，该平台集合了人工智能教程、代码环境、算法算力和数据集，可为教学提供免费的在线云计算编程环境。

四、结束语

在“智能+”背景下，高校与工业界的联系将越来越紧密，计算机视觉是工程领域，计算机视觉课程教学应秉承“重基础、重实践、重素质”的人才培养理念，教学内容设置应着眼于能力培养和产出导向，遵循素质、知识、能力全面发展，以及科学、技术与工程贯穿一致的教学理念，致力于培养厚基础、高层次、多样化、创造性的领域创新人才。本文深入分析了计算机视觉的特点、人才培养要求，以及计算机视觉应用型人才培养途径等几个方面，可为构建实践导向的计算机视觉课程提供重要借鉴。