多元化教学资源在计算机视觉课程中的应用探索

李策　赵学军　王振武

【摘 要】本文面向“新工科”和“智能制造发展规划”对计算机视觉人才的培养需求，以《计算机视觉-openCV应用技术》课程为例，针对该课程知识体系复杂、内容发展迅速、注重实践教学的特点，积极探索多元化教学资源的应用，创新教学的思路和手段，鼓励学生深层理解计算机视觉相关技术，加强学生实践锻炼，培养学生分析问题、解决问题的能力。

【关键词】多元化教学资源;计算机视觉;教学改革;教学探索

中图分类号： TP3-4;G642 文献标识码： A 文章编号： 2095-2457（2019）34-0047-002

DOI：10.19694/j.cnki.issn2095-2457.2019.34.017

Application and Exploration of Diversified Teaching Resources in the Computer Vision Courses

LI Ce ZHAO Xue-jun WANG Zhen-wu

（China University of Mining and Technology （Beijing）， Beijing 10083， China）

【Abstract】Aiming at the training demands of computer vision talents in the “Emerging Engineering Education， 3E”and “Intelligent Manufacturing Development Plan”， this paper takes the course“computer vision-openCV application technology”as an example. In view of its complex knowledge system， rapid development， and practice-oriented teaching， the diversified teaching resources are actively explored to innovate the teaching ideas and techniques and encourage students to deeply understand the related technology. The research and exploration of this course also pave a way for students to strengthen practical exercises and train their ability to analyze and solve problems.

【Key words】Diversified Teaching Resources; Computer Vision; Teaching Reform; Teaching Exploration

0 引言

隨着我国“新工科”教育建设和“智能制造发展规划”的工作推进，计算机视觉课程作为人工智能学科的重要分支，在计算机科学与技术等信息专业中占据重要地位。针对当前时代对计算机视觉人才的专业需求，如何培养学生的专业兴趣和实践能力，是当前计算机视觉相关的本科和研究生课程教学中应重点考虑的问题。计算机视觉课程涉及模式识别、数字图像处理、应用数学等领域，其覆盖范围广、综合性强，具有知识体系复杂、内容发展迅速、注重实践教学等特点[1]。为了适应计算机视觉课程教学多元化、模块化、网络化的发展趋势，落实学校教学改革要求，实现“面向应用、突出实践”的教学目标，本论文积极探索多元化教学资源的应用，根据讲授《计算机视觉-openCV应用技术》课程的心得和收获，分析多元化教学资源在计算机视觉课程中的应用方法，并总结一些创新教学方法的相关建议和措施。

1 多元化教学资源内容创新

由于受到传统重理论轻实践教学模式和教学资源不足的限制，学生往往对现有的计算机视觉课程学习兴趣不足，难以认识到课程的重要实际应用价值。显然，现有课程配套的教材、课件和学习资料等教学资源还未实现多样化，不能为不同专业基础的学生提供多样化的课程内容选择。目前，国家教育体制改革对高校计算机类课程的教学方法和教学手段有了更高的要求，多元化的教学模式正在计算机学科教学中逐步展开。该教学模式能够优化学习场景，提高教学资源利用水平，为学生提供适用的学习资料，使得教师和学生能真正利用多样的教学资源来提升教学效果。

计算机视觉课程的多元化教学资源建设主要从教材、多媒体资料、网络资源、实训平台四个方面来研究一体化的教学内容创新。其中，（1）教材建设是按照课程大纲所列知识点要求，修订现有的教材内容，确保其呈现稳定的结构化知识;（2）多媒体资料建设需要体现自主学习的指引性，指导学生了解相关专业问题、掌握解决问题所需的理论知识;（3）网络资源建设充分配合计算机视觉知识的前沿发展，适应不同学生的不同需求，指引师生共同利用Coursera、国道数据等MOOC网络开放资源，协作学习国内外一流大学的个性化拓展知识;（4）实训平台建设通过提炼重点教学内容，设置以工程应用为主导的综合型实践型任务，指导学生分组完成资料调研、数据采集、编程实践、系统调试等过程[2]。以上四个方面的教学内容创新将课内与课外教学、理论与实践教学结合，形成创新的教学方式，有效让教师和学生共同利用多元化的优质教学资源，极大地丰富了计算机课程的教学内容，提高了计算机视觉课程的教学效率。

2 计算机视觉课程教学方法改革

2.1 多元化教学资源整合

现有计算机视觉相关的Coursera、国道数据等MOOC网络开放课程资源中，代表性的课程包括斯坦福大学的Computer Vision：Foundations and Applications课程[3]、华盛顿大学的Computer Vision课程[4]、同济大学的计算机视觉课程[1]等。本课程不仅整合了上述国内外相关课程的教材、多媒体资料、网络资源和实训任务等内容，同时还引入了计算机视觉领域顶级会议的最新研究成果，结合学校的人才培养定位，筛选和重新设计新的课程内容。以中国矿业大学（北京）为例，《计算机视觉-openCV应用技术》课程面向计算机和信息类专业选修，1个学分，16个学时，教材选用机械工业出版社2016版的《OpenCV 3计算机视觉：Python语言实现（原书第2版）》，课外辅助阅读教材包括：电子工业出版社2015版的《OpenCV3编程入门》、电子工业出版社2004版的《计算机视觉：一种现代的方法》。课程要求学生通过课程学习，学生将建立视觉生成、视觉特征提取与描述、openCV编程实践的基本概念，掌握计算机视觉分析和理解的基本方法，为今后在视觉信息处理领域的科学研究打下相应的技术基础。

2.2 课堂教学手段创新

在课程教学中，《计算机视觉-openCV应用技术》课程利用整合后的多元化教学资源，探索出“精讲多练、注重实践”的教学手段，形成“重点内容少而精、一般内容全覆盖、理论实践相结合”的教学思路。具体的教学流程为：首先，课堂教学强调基础性的重点内容学习任务，同时根据学生需求和时间安排调控一般内容的进度范围。其次，课堂教学创新检测学生自主学习网络资源的成效，设置20%的课堂讨论时间，引导学生集体讨论学习重点和难点。再次，课外安排每周1次办公室答疑时间，面对面互动解答学习难点和实践任务，增强师生协作学习，进一步监督和深化学生的学习效果。最后，课程考核包括试卷考核和实践考核，试卷考核除了涉及课内重点内容外，还增加了主观涉及题目，实践考核根据学生实践任务完成情况给分，整体考核重点落实在计算机视觉知识点的综合应用。

2.3 课后自主实践引导

计算机视觉是一门实践性非常强的课程，实验教学内容需要与理论内容进行同步更新和改进。《计算机视觉-openCV应用技术》课程16学时难以包含实践安排，因此，该课程引导学生课后自主完成实践，采用小组的形式进行，每组4～8名学生自由分组，从教师给定的实验任务中任选一个，通过收集资料、数据采集、编程实践、系统调试等过程最终完成该任务，实践考核分数比值占50%。具体的实践安排包括实验任务设置、实验方法选择和实验问题总结三个方面。（1）实验任务设置上，教师明确布置学生要完成的任务内容、要求和注意事项，课程增加具有较为明显工程应用背景的设计性实验内容，减少简单的原理验证性实验，将多项知识点融合。（2）实验方法选择上，学生根据需求自由选择C++、Java或Python语言的openCV视觉函数库，重点考察实验效果是否满足题目要求和应用场景。（3）实验问题总结上，学生需要记录完成任务过程中出现的问题，向教师课后寻求答疑，然后解决问题、记录未解决的问题，总结今后遇到类似的问题要如何处理、如何把学到的知识运用到实践中去。

3 结束语

计算机视觉课程的传统教学往往面临重知识轻能力、实践内容不足、脱离专业需求等问题，利用多元化教学资源的计算机视觉课程改革能够解决这些问题。通过对多元化教学资源在计算机视觉课程中的应用探索，积极采用增强学生自主学习的教学方法，结合计算机视觉的应用实例和前沿研究，真正激发学生对计算机视觉知识的学习兴趣，培养学生分析问题、解决问题的创新能力。

【参考文献】

[1]张林，沈莹.面向计算机视觉课程的综合性实验平台[J].计算机教育，2017（5）：136-139.

[2]孫浩，邹焕新，计科峰，周石琳.基于SPOC的“计算机视觉导论”课程混合式教学设计[J].计算机工程与科学，2016，38（S1）127-131.

[3]The vison lab.Stanford university CS 131 computer vision： Foundations and applications[EB/OL].[2016-12-26].http：//vision.stanford.edu/teaching/cs131_fall1617/index.html.

[4]Computer vision[EB/OL]. [2016-12-26].https：//courses.cs.washington.edu/courses/cse576/16sp/.stanford.edu/teaching/cs131_

fall1617/index.html.