基于新工科理念的计算机视觉实训课程教学改革探讨

刘东 兰宇琳 刘耀辉 方芳

摘  要 近年来，计算机视觉技术作为人工智能的重要分支，呈现出新技术更新速度快、学科交叉融合等发展新势态。在新工科背景下提出计算机视觉实训课堂五模式，即通过构建技术讲解、交叉学科、仿真实验、展示与答疑、CV实战等五课堂模式进行课程教学改革。实施成效表明，所提出的教学改革方法可在一定程度上突破传统教学模式的局限，满足培养人工智能创新人才的需要。

关键词 新工科;计算机视觉;实训课程;教学改革;教学资源;创新能力;仿真实验平台

中图分类号：G642.0    文献标识码：B

文章编号：1671-489X（2021）24-0122-04

Educational Reform Research of Computer Vision Training

Courses based on New Engineering Concept//LIU Dong， LAN Yulin， LIU Yaohui， FANG Fang

Abstract Recently， computer vision technology， as an important branch of artificial intelligence， presents a new development trend， such as rapid updating of new technologies， interdisciplinary integra-

tion， and so on. Under the background of new engineering， this paper

proposes five teaching modes of computer vision training， i.e.， tech-

nical explanation， cross-discipline， simulation experiment， demon-

stration and mentoring， and computer vision practice. The implemen-

tation results show that the proposed teaching reform method can break through the limitations of traditional teaching mode to a cer-tain extent and meet the needs of cultivating innovative talents in artificial intelligence.

Key words new engineering; computer vision; training courses; tea-ching resources; innovation ability; simulation experiment platform

0  引言

近年來，国家相继提出“创新驱动发展”“中国制造2025”和“人工智能2.0”等一系列重大发展战略政策。为适应国家新时代战略发展，新工科建设为高等教育带来工程教育新理念、人才培养新模式和教育教学改革的新挑战。培养专业基础扎实、创新实践能力强、具备跨学科知识的新工科人才，对于以新技术、新产业和新模式为特点的经济快速发展具有重要的现实和战略意义。

目前在学科建设中，人工智能与各个学科交叉融合，极大地促进了新工科、新医科的发展[1]。其中，计算机视觉是人工智能研究领域的重要分支，是一门研究如何使机器看的科学，主要探索研究能够从图像或视频数据中获取信息的人工智能系统，在医学辅助诊断、军事国防、航空航天、工业制造等诸多领域有着重要的应用。计算机视觉实训课程通常作为计算机、通信工程、物联网、医学影像、遥感、人工智能等专业的选修课或方向实训课，日益受到重视。该课程充分体现出科学前沿与学科交叉融合的特点，对于培养学生在新技术与新产业中的创新实践能力具有重要的意义。

因此，本文主要探讨新工科理念下计算机视觉实训课程教学改革，以提升学生在新技术和新产业中的创新与实践能力为导向，构建计算机视觉实训课堂五模式，优化课程内容，融合交叉学科，以期解决现有教学过程中存在的不足。

1  研究现状分析

1.1  计算机视觉技术发展现状

计算机视觉技术经过数十年的发展已呈现出新势态。首先，新理论与新算法不断被提出，应用场景持续扩大，技术革新速度不断加快。许多传统的方法得到进一步优化，以深度学习为代表的大数据驱动方法将图像分类与分割等任务的性能推上一个新台阶，具有一定可解释性的新模型也不断在复杂场景中得到验证。其次，计算机视觉在医学、工业、家居、交通等诸多领域全面开花，学科交叉融合的趋势日益明显，成为实现人工智能驱动多元场景智能化中至关重要的一环。再次，计算机视觉技术面向实际场景落地的需求日益增长，轻量化、嵌入式部署逐渐成为其重要的发展方向。最后，计算机视觉人才需求持续旺盛，计算机视觉工程师、模式识别工程师，尤其具有交叉学科背景的相关毕业生，成为各大企业争相追逐的人才。

1.2  计算机视觉实训课程教学改革研究现状

部分国内外学者对计算机视觉课程教学改革进行积极探索，如课程思政元素引入[2]、教学手段改革[3]、实验教学改革[4]等，这些方法在一定程度上促进了教学质量的提升，但多数集中在理论课程的改革，未针对实训课程的特点，亦尚未形成完整的体系。计算机视觉实训课程作为一门新兴的综合课程，建设时间较短，尚存在如下几个方面的问题。

1.2.1  部分教材内容较为陈旧  计算机视觉作为前沿科学研究热点，技术发展日新月异，许多传统的基础算法已被新技术所替代，目前教学内容缺乏对前沿技术的扩展。

1.2.2  学科交叉的特点体现不充分  计算机视觉在智慧医疗、智能制造等诸多领域有着广阔的应用，目前缺少对跨学科教学场景的挖掘与应用。

1.2.3  教学模式不够多元  传统的理论基础与实验实训教学模式不足以充分培养学生的创新实践能力。

1.2.4  多场景的虚拟实验平台有待进一步集成  目前的实验手段较为单一，一般仅限于单一平台的程序开发，缺乏从算法到实现、从实现到部署，从需求到设计、从设计到作品的训练闭环，使得学生在面对复杂应用作品开发时难以胜任。因此，在新工科背景下，如何对计算机视觉实训课程进行教学改革，是人工智能人才培养亟待解决的问题。

2  教学改革探讨

2.1  计算机视觉实训课堂五模式的构建

针对计算机视觉实训课程所具有的科学前沿性、学科交叉性、实践创新性等特点，本文研究构建实训课程教学五模式，以满足新工科背景下课程教学改革的需要。如图1所示，计算机视觉实训课程教学五模式主要包括：

1）技术讲解课堂;

2）交叉学科课堂;

3）仿真实验课堂;

4）展示与答疑课堂;

5）CV（Computer Vision）實战课堂。

2.2  实训课堂五模式的应用

2.2.1  更新前沿技术，优化知识讲解课堂  在新工科背景下对计算机视觉实训课程知识讲解内容进行优化。首先，在基础知识方面删减部分难以适应行业场景需求的陈旧技术，如部分底层视觉特征提取方法及简单场景下的机器学习方法。通过淘汰过时的技术讲解，优化教学内容，使其可以适应人工智能技术快速发展的步伐。其次，引入计算机视觉领域研究的前沿方法和目前工业中使用的热门技术，如表1所示，以新算法、新思想、新应用为驱动，丰富知识讲解内容，使得学生在实训课程中锻炼理论与创新的能力，适宜新技术和新行业的发展要求。总的来说，在知识讲解课堂，兼顾基础，联系实际，突出前沿，拓宽学生的人工智能视野，提高水平，为培养实践创新能力奠定基础。

2.2.2  情景式跨学科案例，构建交叉学科课堂  当前，人工智能与其他领域学科呈现出共融共生、相互助力、协同发展的新势态。在计算机视觉课程中构建交叉学科课堂，将计算机视觉核心技术融入医学、工业、交通、农业、遥感等多个领域，设置情景式跨学科实训案例，如表2所示。这样一方面能使核心知识点在真实跨领域场景中生根发芽，提升学生对复杂工程问题的实际解决能力;另一方面能够有效扩大学生的知识广度与深度，增强多学科学术视野，为培养跨学科的人工智能复合创新人才提供范式。

2.2.3  多平台支撑，共建仿真实验课堂  计算机视觉实训课程中涉及大量图像数据处理与深度学习算法实现，借助软硬件开发平台，构建仿真实验课堂，有助于增强实训效果。仿真实验平台主要包括以下几个方面。

1）线上共建仿真实验平台，与头歌等实践教学平台共建计算机视觉实训平台，建立学、练、评、测一体化实验环境。该环境的优点是支持云端编程环境，实现自动化部署，块化执行与交互式对比实验结果，同时省略对本地设备与环境的依赖;缺点是对课程资源以外的案例与项目难以支持。

2）根据实际项目的特点，综合利用TensorFlow、Keras、

PyTorch等开源学习框架，在本地搭载实验平台，同时结合案例需求，选择合适的框架与版本。比如在移动和嵌入式设备上部署模型时，选择轻量级库TensonFlow Lite;对一些模型在不需要分解情况下选择代码更短的Keras;等等。这种本地搭载的实验平台的优点在于可以更广泛地支持任何案例，学生亦可从到至尾地开展作品开发与移植;缺点是对本地高性能实验设备性能依赖较高。

3）此外，利用百度飞浆（PaddlePaddle）提供的深度学习与图像处理框架，以及高性能部署和集成方案，构建实训实验平台。该方案优点是可为学生提供部分免费的高性能算力，使得项目开发过程十分高效。

2.2.4  以讲演促提升，活跃展示与答疑课堂  在实训课程考核中设置项目讲演环节，每个项目设置八分钟演示与七分钟答辩。其中，演示部分包括项目背景、技术路线、创新点、成果展示等内容，可使用PPT或者视频展示的方式;答辩环节，由指导教师就解决方案、创新要点、应用价值等方面进行提问。通过“展示与答疑课堂”，一方面让学生对整个实训项目进行梳理与总结，建立知识网络图谱与理解复杂工程项目研发脉络;另一方面，锻炼学生的口头表达与项目展示能力，同时通过答辩的方式提炼项目的亮点与不足之处，进一步深化对项目的理解。此外，从教师的视角来看，通过答辩环节与学生进行高效互动，帮助学生解决疑惑与难点，填补学生知识盲区，不断迭代优化教学过程，同时挖掘优秀的项目与案例作为学科竞赛基础及后续教学案例。

2.2.5  以竞赛与创新项目促超越，助力CV实战课堂  在“大众创业，万众创新”国家战略实施背景下，各项学科竞赛百花齐放，已成为大学生培养创新实践能力的重要方式。计算机视觉技术作为人工智能与各领域交叉融合的重要分支，在计算机作品设计、人工智能作品设计、物联网作品设计等学科竞赛中发挥着重要作用，因此，在实训过程中以学科竞赛与大学生创新创业项目为引导，构建CV实战课堂，实现从知识点训练到创新实践能力培养，乃至到创业思维与能力的升华。

具体来说，构建CV实战课堂重点侧重以下几方面内容：

1）以项目落地为驱动，梳理计算机视觉作品整体的创新性与应用价值;

2）从算法先进性的角度，考虑模型运行的精度与时间效率，进一步改善与优化;

3）从作品研发的角度，考虑系统是否完整、成熟，在必要的场景中解决嵌入式设备部署的问题;

4）站在用户的视角，考虑作品的功能是否齐全，人机交互是否便利，在同类产品中是否有竞争力;

5）站在创业者的角度，如何对知识产权进行保护，如何对项目进行孵化、销售、运营与融资，等等。

完善上述CV实战课堂的内容，使学生作品研发接近成熟，继而参加学科竞赛与大学生创新创业项目成为水到渠成的事情。以学科竞赛为驱动，学生学习的主观性和积极性得到提高，综合能力、团队意识和创新能力亦得到培养。

2.3  成效与启示

笔者以所在高校为例，进行计算机视觉实训课堂五模式的教学改革，取得良好的教学成效，具体体现在：学生对计算机视觉前沿技术有较深的了解，具备一定的使用人工智能技术解决跨学科领域实际问题的能力，具备知识成果保护与创新创业思维。学生成果方面，近三年获国家级大学生创新创业项目四项、省级三项，获省级以上学科竞赛奖励10余项目，发表学术论文六篇，申请软件著作权10项，其中三个项目与企业签订合作孵化协议。总体上来说，学生通过计算机视觉实训，具备了人工智能与创新创业思维，提升了动手实践能力与创新能力，培养了解决跨学科复杂工程性问题的能力。

经过教学改革实践，总结经验与启示如下。

1）选择具有交叉学科背景的实训项目，拓宽学生学术视野，激发课堂活力。每个项目的选题需要教师认真拟定，既要具有一定的技术理论前沿性，又能解决交叉领域的实际问题，同时具备良好的应用价值，训练成果能够支持学生参加学科竞赛与撰写学术论文等。

2）以学科竞赛与大学生创新创业训练项目为抓手，激发学生主观能动性，培养创新实践能力。学科竞赛、创新项目、学术论文等实训成果的产出不仅让学生真实感受到项目研发与落地的成就感，也让学生在申请奖学金、考研复试等后续过程中获得支撑。实训课堂五模式下学生取得的部分成果如表3所示。

3）适当融入课堂思政，培养学生高尚情操与健康心理。一个实训项目的完成涉及创意、算法、代码规范、合作、知識产权保护等一系列问题，在不同的环节融入课程思政元素，可有效地帮助学生树立诚信、团队合作、敬业等良好品德，同时结合医学、交通等跨学科的场景，也让学生意识到健康、遵纪守法等的重要性。

3  总结

本文首先分析新工科理念下计算机视觉技术的研究现状和发展趋势，从理论与应用层面阐述计算机视觉实训课程教学改革面临的挑战;接着提出计算机视觉实训课程教学五模式，从技术讲解、交叉学科、仿真实验、展示与答疑、CV实战等五方面论述实训课程的改革措施与实施要点，并结合笔者所在单位的实施成效，阐述改革过程中的经验与启示。本文研究成果对于完善计算机视觉实训课程具有良好的促进作用，为培养具有交叉学科背景的人工智能创新实践人才提供助力。■

参考文献

[1]乔旭.人工智能赋能高等教育新变革[N].中国教育报，

2019-03-09（07）.

[2]梁华刚.“机器视觉”课程思政教学方法的研究[J].电气电子教学学报，2021，43（5）：112-115.

[3]殷悦，杨斌，王临茹，等.面向机器人工程专业的机器视觉课程建设[J].科技视界，2021（22）：76-77.

[4]杨洪薇，周永宁.机器视觉实验课程教学改革与实践[J].现代信息科技.2021，5（11）：195-198.