(共61张PPT)
第1课
初识图像分类——
图像分类在生活中的应用
（清华大学版）六年级
上
1
核心素养目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
核心素养目标
信息意识
计算思维
数字化学习与创新
信息社会责任
理解并尊重同学的隐私，学会安全地收集和处理敏感数据（如个人身份信息），避免不当分享。
利用图像分类，进行图像分类案例体验，图像分类在生活中应用广泛，通过训练一个分类模型，让模型认识需要分类的物体。
学习图像分类的实现过程，生活中也有许多场景会使用计算机对图像进行分类，了解图像分类和它的具体应用。
通过图像分类，学习图像分类在生活中的应用，如智能视频分析、交通场景识别、相册自动归类。
02
新知导入
1966 年，麻省理工学院计算机专家突发奇想地提出了一个问题，计算机能否像人类一样读懂图像的内容 这引发了人们无限的遐想，也为后来技术的研究和发展提供了重要的动力。人们设想机器也拥有像人类一样的“慧眼”能辨别周围的事物和环境，甚至能理解这个世界。
02
新知导入
一旦让机器拥有这种能力，计算机将获得某种“视觉”功能。世间万物转化成一张张的图像，经过机器的“大脑”处理中心，将这些杂乱无章的图像进行分门别类，才能为后面认识和辨别图像中的对象打好基础。
02
新知导入
在本单元的学习中，我们将围绕“图像分类”这个主题，了解图像分类的基础知识和主要应用，认识机器进行图像分类的过程，通过思考图像分类的项目应用，探讨它的优势、不足和局限性，更清晰地认识图像分类技术应用的边界。
02
新知导入
主题学习项目:图像分类
小清的手机相册中有很多照片，有小清的照片，也有小清家养的小猫的照片，还有小清平时拍的美食照和风景照。小清将它们导入计算机中，打算放到不同的文件夹里进行归类。但图片太多了，小清在想能不能让计算机自动帮忙完成这些图像分类呢 小清决定去查找资料，兴许有意外收获呢。
02
新知导入
小清的项目计划
4
体验图像识别
1
认识图像分类
2
体验图像分类
3
了解图像分类在生活中的应用
1
2
3
4
02
新知导入
知识与工具
知识学习 工具选择
1.认识图像分类。 2.了解图像分类的实现过程。 3.学习开展图像分类项目。 4.知道图像分类的优势及其面临的挑战。 计算机
AIoT 板
AI摄像头
注:AIoT 板为具备人工智能与物联网属性的主控板。
02
新知导入
我的项目计划
项目计划主要包括以下几个步骤 ：
1、项目背景与目标 ：图像分类是计算机视觉领域的一个基础任务，旨在将输入的图像自动划分到预定义的类别中。通过该项目，读者将能够掌握深度学习在图像分类中的应用，并熟悉相关工具和框架的使用 。
02
新知导入
我的项目计划
2、数据准备 ：
数据集选择 ：选择一个合适的图像分类数据集，例如CIFAR-10、ImageNet等。这些数据集包含了大量带有标签的图像，可用于训练和测试模型 。
数据预处理 ：对图像进行必要的预处理操作，如缩放、裁剪、归一化等，以便模型能够更好地学习图像的特征 。
02
新知导入
我的项目计划
模型选择与构建 ：选择CNN架构 ：选择一个合适的卷积神经网络架构。这些架构在图像分类任务中表现优秀，并提供了预训练的权重，可以加快训练速度并提升性能 。
构建模型 ：使用深度学习框架构建CNN模型。定义模型的输入层、卷积层、池化层、全连接层等，并设置合适的激活函数和损失函数 。
02
新知导入
我的项目计划
模型训练 ：设置训练参数 ：包括学习率、批次大小、训练轮数等。这些参数的选择对模型的训练效果至关重要 。
开始训练 ：使用训练数据集对模型进行训练。在训练过程中，观察损失值和准确率的变化，以及模型在验证集上的表现 。
02
新知导入
我的项目计划
3、模型评估与测试 ：
评估指标 ：选择合适的评估指标，如准确率、召回率、F1值等，来评估模型的性能 。
测试集评估 ：使用测试数据集对训练好的模型进行评估。观察模型在测试集上的表现，并与其他方法进行比较 。
02
新知导入
我的项目计划
模型部署与应用 ：模型保存与加载 ：将训练好的模型保存为可加载的格式，以便后续使用 。
应用部署 ：将模型部署到实际应用场景中，如图像识别应用、智能安防系统等。通过输入新的图像，模型可以自动输出分类结果 。
02
新知导入
项目实施步骤
4
撰写图像分类探究报告。
1
体验图像分类的应用。
2
学习图像分类的实现过程。
3
完成小组图像分类项目作品。
1
2
3
4
02
新知导入
打开智能手机的相册，会发现相册已经自动对手机中的图像进行分类，如美食、风景、艺术、运动、交通工具等。生活中也有许多场景会使用计算机对图像进行分类。本节课，我们就一起来了解一下图像分类和它的具体应用吧!
02
新知导入
02
新知导入
思考
同学们，想一想生活中还有哪些场景应用了图像分类技术，说一说该技术有哪些优点。
02
新知导入
图像分类技术在生活中有许多应用场景，以下是一些常见的例子：
1. 社交媒体：在社交平台上，用户上传的照片可以通过图像分类技术自动识别内容，如人脸、动物、风景等，从而为用户提供标签建议或分类功能。
2. 医疗影像：在医学领域，图像分类技术可以帮助医生分析X光片、CT扫描和MRI图像，识别疾病（如肿瘤、骨折等），提高诊断的准确性和效率。
02
新知导入
3. 自动驾驶：自动驾驶汽车利用图像分类技术识别道路标志、行人、其他车辆等，从而作出安全的驾驶决策。
4. 安防监控：监控系统可以通过图像分类技术识别可疑行为或特定人物，提高安全防范能力。
5. 电子商务：在线购物平台可以通过图像分类技术自动识别商品类别，帮助用户更快找到所需商品。
6. 农业：在农业中，图像分类技术可以用于作物健康监测，识别病虫害，帮助农民及时采取措施。
02
新知导入
图像分类技术的优点包括：
1. 高效率：能够快速处理和分析大量图像，节省人工审核的时间。
2. 高准确性：通过深度学习等技术，图像分类的准确性不断提高，能够识别复杂的图像特征。
3. 自动化：减少人工干预，降低人为错误的可能性，提高工作效率。
02
新知导入
4. 实时处理：在某些应用中，如自动驾驶和安防监控，能够实现实时图像分类，及时做出反应。
5. 多样性：可以应用于多个领域，适应不同的需求和场景，具有广泛的应用潜力。
总的来说，图像分类技术在现代生活中扮演着越来越重要的角色，推动了各个行业的智能化发展。
02
新知导入
03
新知讲解
一、图像分类
图像分类就是根据对象在图像信息中所反映的不同特征，将不同类别的对象区分开来。
机器(一般指计算机)进行图像分类就是从它已知的类别中，选出一种类别分配给这张图像。这就需要提前准备不同类别的很多图片让机器来学习、认识，如图 1.1.1 所示。
图1.1.1 前机器分类的学习
03
新知讲解
一、图像分类
机器正式开始进行图像分类时，先读取这张图像，然后根据这张图像对应的每个类别的特征来判断这张图像可能是什么，最后输出概率最大的类别，如图 1.1.2 所示。
图1.1.2 图像分类结果输出
03
新知讲解
二、图像分类在生活中的应用
图像分类是一项基础但十分重要的技术，很多其他的技术都需要在图像分类技术基础上实现，如图像检测、对象跟踪、行为分析等。
03
新知讲解
二、图像分类在生活中的应用
智能视频分析就是分析和追踪摄像机拍摄场景中目标物体的行为。智能视频分析利用图像分类技术，去除视频中的干扰物体，识别出真正的目标，进而对其进行分析和追踪。
智能视频分析
03
新知讲解
二、图像分类在生活中的应用
通过视频监测火车轨道、高速公路、建筑物楼顶等危险地区是否有异物进入,并且对有潜在危险的行为进行报警，可以避免发生事故。车站、机场等场所，利用视频监测管制刀具等危险品，可以协助安保人员预防危险事件的发生。图像分类在车站安检中的应用如图 1.1.3 所示。
智能视频分析
03
新知讲解
二、图像分类在生活中的应用
智能视频分析
图 1.1.3 图像分类在车站安检中的应用
03
新知讲解
交通场景识别
图像分类技术常运用于交通场景识别，为公共交通的管理提供便利。例如它会对路口车辆拥堵情况、闯红灯或占用公交车道的行为等进行检测识别，并对相关违规行为进行记录。图像分类在交通场景识别中的应用如图 1.1.4 所示。
图1.1.4 图像分类在交通场景识别中的应用
03
新知讲解
相册自动归类
图像分类技术在手机相册管理中的应用已非常常见，手机相册里的成千上万张图片被分类成美食、风景、聚会、合影、建筑等，可以更方便地找到想要的图片。
03
新知讲解
课堂活动
图像分类技术在生活中还有哪些应用呢 你认为生活中还有哪些地方可以使用该技术，说一说你的想法吧。
03
课堂练习
图像分类技术在生活中的应用非常广泛，以下是一些常见的应用场景：
1. 医疗影像分析：在医学领域，图像分类技术可以用于分析X光片、CT扫描和MRI图像，帮助医生识别疾病，如肿瘤、肺炎等。
2. 自动驾驶：自动驾驶汽车利用图像分类技术识别交通标志、行人、其他车辆和障碍物，从而做出安全的驾驶决策。
3. 安防监控：在安防领域，通过图像分类技术可以识别可疑人物或行为，提高监控系统的智能化水平。
03
课堂练习
4. 社交媒体：社交平台利用图像分类技术自动标记和分类用户上传的照片，提升用户体验。
5. 农业：在农业中，图像分类可以用于作物健康监测，识别病虫害，帮助农民及时采取措施。
6. 零售行业：在零售店，图像分类技术可以用于库存管理，自动识别货架上的商品，优化补货流程。
7. 环境监测：通过卫星图像分类，可以监测森林砍伐、城市扩张和自然灾害等环境变化。
03
课堂练习
除了以上应用，我认为图像分类技术在以下领域也有潜在的应用：
1. 个性化推荐：在电商平台，可以通过分析用户上传的图片，了解用户的偏好，从而提供个性化的商品推荐。
2. 教育：在教育领域，可以利用图像分类技术自动批改学生的手写作业，提升教学效率。
3. 智能家居：在智能家居系统中，可以通过图像分类识别家庭成员，自动调整家居设备的设置。
03
课堂练习
4. 文化遗产保护：利用图像分类技术对文物和艺术品进行分类和识别，帮助保护和管理文化遗产。
5. 宠物识别：在宠物管理应用中，可以通过图像分类技术识别不同种类的宠物，提供相关的护理建议。
总之，图像分类技术在各个领域都有着广泛的应用前景，随着技术的不断进步，未来可能会有更多创新的应用出现。
03
新知讲解
三、图像分类案例体验
图像分类在生活中应用广泛，让我们通过一个具体案例，看一看机器是如何完成图像分类任务的。
为了让机器能够完成分类任务，首先我们需要训练一个分类模型，这样才能让模型认识需要分类的物体，完成后续分类工作。
03
新知讲解
活动准备
需要准备的工具如图 1.1.5 所示。
三、图像分类案例体验
图1.1.5 项目准备工具
03
新知讲解
活动过程
（1)打开编程软件，单击“扩展”中的“添加”按钮，在 AI模块中找到并加载“AI 摄像头 2.0”的模块，如图 1.1.6 所示。
图1.1.6 加载 AI摄像头 2.0的模块
03
新知讲解
活动过程
(2)连接 AIoT 板与 AI 摄像头，如图 1.1.7所示，并按住 AIoT 板上的开机按键，将主控启动。
图 1.1.7 AIoT 板与 AI摄像头的连接图
03
新知讲解
活动过程
(3)单击菜单栏中的“文件”按钮，打开本地文件中的“1-1 自学习分类,的程序文件，让机器给猫、狗、人进行分类，打开的编程指令如图 1.1.8 所示，单击右上角的“刷入”按钮将程序刷入 AIoT 板中。
图1.1.8 猫、狗、人图像分类程序设计
03
新知讲解
活动过程
(4)按下AI摄像头左侧的 A键，按顺序依次拍摄要分类物体的图片，告诉机器要分成哪几类。
(5)按下 AI摄像头右侧的 B键，拍摄要识别的几类物体图片，各类物体总数达到前面设定的“训练集数量”时，摄像头自动开始训练学习。
(6)完成模型训练后，我们就得到了一个可以进行分类工作的模型，摄像头会自动进入拍摄识别的工作中，使用变量存放识别到的物体ID号，该ID号从0开始编号。如果返回的ID号不为空，即识别到物体，那么AIoT板的OLED 屏幕上会显示物体名称。
02
新知导入
刷入程序后，按下 AI摄像头的A键时，需要注意拍摄的物体顺序与前面初始化列表中物品名称的顺序保持一致，以便后面根据ID 号准确对应物体名称。
按下 A1摄像头的 B键时，需要注意拍摄用于训练学习的图片时可以不按顺序拍摄，只需要保证所有物体照片数量总和等于设置的“训练集数量参数即可。
温馨小贴士
图3.2.5 新语音使用模型识别的过程
04
课堂练习
打开编程软件，再打开“1-1自学习分类”程序文件，连接电路使用 AI摄像头包装盒配置的卡片进行图像分类。
实践
03
课堂练习
1. 打开编程软件：启动您常用的编程软件，例如 PyCharm、Visual Studio Code 或 Jupyter Notebook。
2. 打开程序文件：在编程软件中，找到并打开“1-1自学习分类”程序文件。您可以通过文件菜单选择“打开”并浏览到该文件的位置。
03
课堂练习
3. 连接电路：确保您的电路连接正确，特别是与 AI 摄像头相关的部分。请参考电路图或说明书，确保所有连接都牢固。
4. 使用卡片进行图像分类：将 AI 摄像头对准您要分类的卡片，确保摄像头能够清晰地捕捉到图像。运行程序，开始进行图像分类。
05
拓展延伸
图片智能搜索
你知道吗 许多手机应用、计算机搜索引擎都有图片搜索功能哦!
图片搜索 这是用来做什么的呢
05
拓展延伸
图片智能搜索
图片搜索就是“以图找图”。通过用户拍照或上传本地图片，手机应用或计算机搜索引擎就可以根据图像特征进行分析，进而从互联网中搜索出与此相似的图片资源及信息内容。
哇，这样搜索信息就更加灵活方便了!
05
拓展延伸
图片智能搜索
是的，这一功能背后就包含图像分类技术。例如，在百度、必应等搜索引擎中输入一张图片，单击搜索后就可以找到许多同类型的图片，再通过这些图片就可以找到更多与该图片相关的信息了。
05
拓展延伸
图像分类的方法：
1.基于色彩特征的索引技术：色彩是物体表面的一种视觉特性,每种物体都有其特有的色彩特征,譬如人们说到绿色往往是和树木或草原相关,谈到蓝色往往是和大海或蓝天相关,同一类物体往往有着相似的色彩特征。由于色彩直方图具有简单，且随着图像的大小、旋转变化不敏感等特点,得到了研究人员的广泛关注,目前几乎所有基于内容分类的图像数据库系统都把色彩分类方法作为分类的一个重要手段,并提出了许多改进方法,归纳起主要可以分为两类：全局色彩特征索引和局部色彩特征索引。
05
拓展延伸
基于纹理的图像分类技术：
纹理特征也是图像的重要特征之一,其本质是刻画像素的邻域灰度空间分布规律由于它在模式识别和计算机视觉等领域已经取得了丰富的研究成果,因此可以借用到图像分类中。
如何用小波变换表示纹理特征。smiht和chang利用从小波子带中提取的统计量(平均值和方差)作为纹理特征。这个算法在112幅Brodatz纹理图像中达到了90%的准确率。为了利用中间带的特征,Chang和Kuo开发出一种树型结构的小波变化来进一步提高分类的准确性。
05
拓展延伸
基于形状的图像分类技术：
形状是图像的重要可视化内容之一在二维图像空间中,形状通常被认为是一条封闭的轮廓曲线所包围的区域,所以对形状的描述涉及到对轮廓边界的描述，以及对这个边界所包围区域的描述。目前的基于形状分类方法大多围绕着从形状的轮廓特征和形状的区域特征建立图像索引。关于对形状轮廓特征的描述主要有:直线段描述、样条拟合曲线、傅立叶描述以及高斯参数曲线等等。
05
拓展延伸
基于空间关系的图像分类技术：
在图像信息系统中,依据图像中对象及对象间的空间位置关系来区别图像库中的不同图像是一个非常重要的方法。因此,如何存贮图像对象及其对象位置关系以方便图像的分类,是图像数据库系统设计的一个重要问题。而且利用图像中对象间的空间关系来区别图像,符合人们识别图像的习惯,所以许多研究人员从图像中对象空间位置关系出发,着手对基于对象空间位置关系的分类方法进行了研究。
06
单元总结
活动日志 班级：XX 姓名：XX
任务名称 初识图像分类——图像分类在生活中的应用
任务环节 1口 2口 3口 4口（在对应环节画V）
任务完成内容 体验图像分类的应用
任务完成度 口口口口口口口口口(100%)
任务小结 问题与反思：项目做的不完善
改进的方法：多练习或者询问老师和同学诀窍
07
课堂总结
1
引入新知内容
初识图像分类——图像分类在生活中的应用
2
学习图像分类在生活中的应用
3
体验图像分类案例
4
完成课题练习
5
进行相关知识拓展
1
2
3
4
5
08
板书设计
初识图像分类——图像分类在生活中的应用
1.进行新知引入
2.学习图像分类在生活中的应用
3.体验图像分类案例
4.完成课堂练习
5.进行知识拓展
09
课后作业
01
在本节课完成后，你知道什么是图像分类吗？它与图像识别有什么区别？
09
课后作业
02
请同学们在小组内讨论一下，图像分类技术的未来发展趋势是什么？有哪些新兴技术可能会影响这一领域？
https://www.21cnjy.com/recruitment/home/fine
