第13课《图像识别技术》教案

教学 内容 第13课 图片识别技术 课时 1
教学 目标 1.通过体验图像识别技术的案例，了解图像识别技术。 2.利用人工智能开放平台，实现动物、植物和人脸等不同类型图像的识别。 3.感受图像识别技术带来的便利。
教学 重点 通过体验图像识别技术的案例，了解图像识别技术。 教学 难点 利用人工智能开放平台，实现动物、植物和人脸等不同类型图像的识别。
教学 准备 网络教室、教学课件 视频、实践网站
教学过程
教学 版块 教师活动 学生活动 设计意图
导入 同学们，上课前，我们来观看一段小视频？ 从此视频当中，我们了解到计算机可以通过编写好的代码进行人脸识别，在生活中，很多公安系统通过图像识别进行破案。 实验心理学家赤瑞特拉证实：人类获取信息83%来自视觉，11%来自听觉。 观看视频 听讲，思考 通过视频初步了解图像识别技术。
讲授新课 一、 图像识别 图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术。每个图像都有独特的特征，图象识别技术通过获取图像的主要特征来识别图像。 亲身体验： 采用识别文字的APP或软件，将图像中的文字识别为文本形式。 二、图象识别技术的应用场景 图像识别技术在生活中的应用越来越多。在文字识别领域，识别车牌号码、身份证号等；在图形识别领域，可以鉴别出各种植物、动物等；在人脸识别领域，可以实现手机支付、解锁等功能。 亲身体验 举例你身边使用图像识别技术的应用案例。 1、火车站检票口人脸识别 2、手机人脸解锁 3、扫一扫二维码 4、自动驾驶 了解、掌握 体验 了解及掌握。 通过教师讲解了解图像识别技术的概念及原理。 增强图像识别理解。 通过学习，了解图像识别技术在生活中应用。
项目实施 三、图像识别的过程 图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像。 1.图像数字化 图像的数字化过程主要分为采样、量化与编码三个部分。 （1）采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。 （2）量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。 （3）编码可以实现压缩图像数据量，数字化后得到的图像数据量一般较大，编码技术可以压缩存储量。 2.预处理 指图像处理中的去噪、平滑、变换等操作，从而加强图像的主要特征。图像经过预处理的前后效果对比。 3.特征提取 特征提取是指获取图像主要特征的过程。例如，在人脸识别过程中，人脸器官的形状、它们之间的距离等是图像的主要特征。 卷积神经网络在图像特征提取上有非常出色的表现。通过深度学习，卷积神经网络能以逐层抽象的方式来学习数据中蕴含的特征，通过多层变换之后，卷积神经网络可以将原始图像变换为更高层次的、抽象的特征， 4.分类并识别 分类并识别是指计算机先对图像进行种类预测，得到种类分布，再根据种类在相应训练好的模型中，用提取到的特征与模型中的数据进行匹配，从而的得到相应的结论。 四、图像识别的实践 人工智能开放平台一般提供若干类别的图像模型。借助这些平台，可以实现不同类别图像的识别。以百度语音识别软件开发工具包为例，识别动物图片的过程。 课堂实践：图像识别-百度AI开放平台 学生实践 提供一个python编写图像识别程序的视频，和学生同看视频，边看边讲解图像识别的过程。 B站：和我一起用Python和数学实现图像识 学生实践其中的动物或植物识别。 通过这样的方式学生更能深刻理图像识别的过程。
总结 1、图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术 2、图象识别的应用领域：文字识别领域，识别车牌号码、身份证号等智能识别。 3、图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像。 4、在人工智能开放平台上识别植物。 提问回答 通过提问方式进行总结。
教学反思