基于“挑战杯”的人工智能时代创新人才培养探究

杨真真，杨永鹏

（1.南京邮电大学 理学院；2.南京信息职业技术学院 网络与通信学院，江苏 南京 210023）

0 引言

近年来，随着科技的发展，人工智能等技术逐渐成为人们研究的热点，并被广泛应用于工业、农业、医学、社会等各领域。在人工智能背景下，如何培养一批优秀的创新人才成为我国教育行业亟待解决的问题。自1989 年开展首届“挑战杯”全国大学生课外学术科技作品竞赛以来，在共青团中央、教育部等领导下，尤其是为了贯彻党的十九届五中全会精神，“挑战杯”已成为引导高校学生培养科学精神和科学态度的一项举足轻重的竞赛。作为“挑战杯”竞赛的主战场，各大高校积极参与，从最初的19所发展到现如今的1 000 多所高校，为祖国培养大批创新性人才作出了贡献。南京邮电大学是一所以信息学科为特色，始终以培养信息类、创新类人才为己任的综合类高校。长期以来，南京邮电大学始终结合自身的办学特色，以“挑战杯”竞赛为契机，构建基于“挑战杯”的“六位一体”创新人才培养模式，积极提高学生的实践和创新能力，为祖国输出大批创新性人才，同时也为其他高校创新人才培养提供一种借鉴和新思路。

1 “挑战杯”竞赛意义

“挑战杯”每两年举行一次，已历时16 届，被誉为全国大学生课外科技创新的“奥林匹克”竞赛，已经发展成为国内最具影响力、规模最大、最能孵化科技创新型人才的竞赛，为国家输出创新性人才贡献积极作用，具有非凡的意义［7-8］。

（1）能够促进以人工智能技术为代表的现代先进科学技术发展。当今社会是智能化的社会，随着人工智能等智能化学科的高速发展，在人工智能背景下，“挑战杯”竞赛所涉及的科技创新大多与深度学习领域相关。大批拥有锐意创新素质的优秀创新团队将智慧创新的种子撒在祖国的大地上，有效促进了我国人工智能技术的飞速发展。

（2）能够丰富教学内容，完善人才培养机制。实践是检验真理的唯一标准，通过将“挑战杯”竞赛中的经典案例引入到实际教学中，能够较好地充实教学内容，完备教学中的实践环节，促进当代大学生深入理解和掌握当前学科的理论基础和应用基地。“挑战杯”竞赛作为各大高校广泛参与的竞赛，势必能为各大高校的教学变革产生深远影响，能积极促进各大高校完善人才培养机制。

（3）能够培养大批优秀创新性人才。“崇尚科学、追求真知、勤奋学习、锐意进取、迎接挑战”是“挑战杯”的一贯宗旨，通过该竞赛可以有效培养大批符合社会发展需要的，有理想有抱负的优秀创新人才。“挑战杯”竞赛是培养创新性人才的“摇篮”，为建设创新型国家奠定良好基础。

总而言之，“挑战杯”竞赛在促进科技发展、优化人才培养模式和促进人才培养等方面都增添了亮丽的色彩。

2 人工智能背景下基于“挑战杯”的创新人才培养体系

南京邮电大学结合自身特点，以“挑战杯”竞赛为依托，积极大力提升该校学生科技创新能力，不断提升学生在人工智能、通信、物联网、大数据、云计算、信息安全等高新科技领域的创新水平，不断改进人工智能背景下基于“挑战杯”的创新人才培养体系。该培养体系以“挑战杯”为龙头，通过创新理念融入、创新课程学习、创新项目培育、选拔培训竞赛、创新科研以及创新毕业设计和就业“六位一体”的新型创新人才培养体系，以此引导学生以赛促学、以赛促训，并最终打造一批符合人工智能发展趋势的、符合国家发展需要的、具有较强综合创新能力的新型大国科技型人才。“六位一体”创新人才培养框架如图1 所示。

Fig.1 “Six in one”innovative talent training framework图1“六位一体”创新人才培养框架

2.1 “挑战杯”创新理念融入

“挑战杯”竞赛的主要目的是促进大学生形成学以致用的品质，发现并培养大批有作为、有潜力的优秀科技储备人才，进一步服务国家经济、政治、文化、社会和生态文明建设。学校从学生踏入大学校门的那一刻起，就通过创新型教学模式、导师责任制和项目引导等形式，将“挑战杯”竞赛等相关创新理念融入学生的日常生活和学习中。其具体实施如下：

（1）打造融入思政元素、采用翻转课堂，并结合项目式教学方式的新型教学模式。该新型教学模式使得学生在学习过程中，能深入体会国家对创新性人才的渴求，树立“到国家最需要的行业中”的信念，坚定对创新科技的追求；同时，在教学过程中，任课教师积极通过翻转课堂，结合项目式教学方式，引导学生形成创新思维。

（2）在本科阶段打造由学生选择、教师同意的新型双选本科生导师责任制政策。本科生通过导师责任制，较早进入科研团队，跟随团队中的硕士生、博士生开展科研，为学生营造了一个良好的课外科技创新氛围。

（3）学校定期举行类似“挑战杯”等创新竞赛的项目推进会，从创新类竞赛的前期准备、作品选题、研究方法、研究过程、项目分工、成果展示以及团队建设等方面提供建设性指导。

2.2 “挑战杯”创新理论课程学习

以“挑战杯”竞赛为龙头，覆盖创新类所有竞赛，该校专门开设了创新类课程，这类课程既包含像人工智能、深度学习、机器学习、物联网、大数据、云计算等创新类理论课程，又包含像数学建模等创新竞赛类课程。此外，学校还专门成立各类创新类竞赛协会，建立创新兴趣学习小组，积极组织获奖学生讲授竞赛经验和技巧，传承以老带新的优秀光荣传统。

2.3 “挑战杯”创新项目培育

为了较好地支撑“挑战杯”竞赛，南京邮电大学积极开展各种创新类孵化项目，例如，“创新杯”大学生课外学术科技作品竞赛、大学生数学建模创新科技竞赛、“创青春”大学生创新创业训练计划和大学生科技节等创新类竞赛，采取每个学院负责一项竞赛，不断提高学生对创新类竞赛的兴趣和学生的参与度，提升学生的创新能力，以及科研项目申请书撰写、答辩和团队合作等能力。

2.4 “挑战杯”创新项目选拔、培训与竞赛

在前期准备的基础上，该校采用项目培育、选拔、训练和竞赛“四位一体”的赛事指导机制，推动建立全链条、全方位的创新赛事育人体系。此外，还通过专家专题培训、专家辅导、备赛集训以及模拟答辩等方式完善学生科技创新活动的顶层设计，推动创新意志和创新能力，为国家输出优秀创新型人才。

2.5 “挑战杯”创新科研

为进一步提高创新型人才培养质量，该校鼓励对创新科研有兴趣的学生积极参加学校、省和国家组织的各类相关竞赛。同时，鼓励学生积极与拥有独立创新项目和科研团队的教师联系，并融入到相关创新科技团队，鼓励学生积极参与科学研究、科研论文撰写、专利和项目申请等科研活动，并针对科研成果给予相应经费支持和奖励。学生也会获得一定的学分，进一步提高学生参与创新类竞赛的热情和积极性。

2.6 “挑战杯”创新毕业设计及就业

该校鼓励学生以“挑战杯”竞赛等创新类作品为基础，以当前国家和各大企业所需要的技术为武装，继续完善创新类作品，丰富这类作品的内容，并撰写毕业设计。对于具有创新性的优秀论文作者，可获得保研乃至本硕博连读的机会，提高此类学生的学历水平，从更高层次上培养该类学生的创新能力，实现对创新人才的分层次化培养。

3 “挑战杯”竞赛实例分析——基于改进UNet 网络的医学图像分割

医学图像分割是图像处理领域非常有价值的研究方向之一，是通过一系列分割算法对复杂医学图像中感兴趣的区域进行分割，从而突出人体器官中的病灶组织，方便医生作进一步检查和分析。医学图像分割技术的兴起使得医生只需要关注他们感兴趣的区域，极大减轻了医生的工作量，提高了整体医疗行业的工作效率。因此，该技术在生物医学等许多领域都具有非常重要的意义和巨大的应用前景。

近年来，随着计算机和人工智能的飞速发展，基于深度学习的医学图像分割受到了人们的广泛关注。U-Net 网络便是一种具有编码—解码结构的深度学习网络，被广泛用于医学图像分割。本文以基于改进U-Net 网络的医学图像分割为例，进一步阐述“挑战杯”竞赛对创新性人才在逻辑分析能力、创新精神、创新能力和团队合作能力等方面的推动作用。

3.1 问题提出

U-Net 网络是近年来医学图像分割中最流行的一种深度学习结构，由卷积层、转置卷积层和池化层组成。对于特定大小和形状的分割目标，U-Net 网络可以获得良好的性能。然而，医学图像的复杂性和可变性给U-Net 网络带来了巨大挑战，当分割目标大小发生变化，目标与背景不平衡时，经典U-Net 网络架构性能就不尽人意了。为了改进经典U-Net 网络架构的性能，研究者们提出了许多UNet 网络的改进算法，例如Ibtehaz 等在U-Net 中加入多分辨率块，提出通过多分辨率U-Net（Multi-Resolutional UNet，MultiResUNet）网络提高图像分割性能。受此启发，提出一种新的改进U-Net（Improved U-Net，IUNet）网络，该网络采用密集块提高特征提取能力，并采用多特征融合（Multi-Feature Fuse，MFF）块融合不同尺度的特征图以提高特征提取的准确性。此外，还结合交叉熵和Dice 损失函数各自的优点，提出一种新的组合损失函数以处理目标与背景之间的不平衡。

3.2 改进的U-Net 网络

改进的U-Net 网络即IUNet 网络架构如图2 所示，与经典的U-Net 网络类似，也包括相应层之间跳跃连接的编码和解码部分。为了提高网络结构的特征学习能力，将密集块作为网络的一个基本单元，编码部分由密集块组成以提取图像特征，解码部分将不同层次的特征映射向上采样到原始图像大小，并在网络的不同层次上，采用MFF 块将不同层次的特征连接起来，以提高特征提取准确性。此外，还提出一个新的组合损失函数，以更好地训练网络。

Fig.2 Improved U-Net network architecture图2 改进的U-Net 网络架构

在IUNet 中，将U-Net 网络的两个3×3 卷积层替换为密集块，密集块是成对出现，图2 中的每一行就是一个密集块对。图3 为密集块的结构，密集块由密集连接层、过渡层和剩余连接组成，可以解决过拟合训练数据集小的问题，并促进网络内信息的传播，加快收敛速度。与U-Net 网络串联的3×3 的卷积层相比，密集块更容易获得更多的特征，且不需要像一般的卷积神经网络那样，通过简单增加卷积层的深度以提高网络性能。

Fig.3 The proposed dense block architecture图3 本文提出的密集块架构

在密集块内部，每一层都与之前的所有层相关联，将前面各层所获得的特征图合并，作为后续各层的输入。为了使网络更易于优化，利用密集块中的剩余连接进一步促进信息传播。此外，为了避免过多的特征图给网络带来的负担，需减少特征图数量，在密集块中插入一个1×1 的卷积层到所有卷积层末尾的过渡层，以合并所有之前层的特征。不同层的密集块学习了不同层的特征，浅层密集块倾向于学习图像的底层特征，特征分辨率更高，包含更多的位置和细节信息，深层密集块则提供了更多的语义信息。结合浅层和深层特征，设计了一个多特征融合块，以提高特征学习的准确性，提出的多特征融合块结构如图4 所示。

Fig.4 Multi-feature fusion block architecture图4 多特征融合块架构

此外，随着医学图像分割技术的发展，越来越多的医学图像数据集被开发出来，这些数据集的一个明显特征是分割对象的大小可能比背景小得多，如果在这种网络结构中采用交叉熵损失函数，很容易出现图像无法分割的情况。为了应对上述挑战，还提出了一个新的结合交叉熵损失函数和Dice 损失函数优点的组合损失函数以训练提出的IUNet 网络。

交叉熵损失函数最后一层权重的梯度与激活函数的导数无关，只与输出图像和标准分割图像的差异有关，所以收敛速度快。此外，又由于反向传播是连乘的，因而整个权值矩阵的更新会更快。交叉熵损失函数的定义为：

其中，

N

为图像像素点的个数，

g

为正确分割图像的像素值，

t

为训练出的图像像素值。但交叉熵每个梯度损失函数的返回对每个类别的关注是相同的，很容易受到类别不平衡的影响，也即在目标和背景相差较大的情况下，交叉熵损失函数可能无法分割出目标。在这种情况下，Dice损失函数仍然可以执行训练损失函数，但是Dice 的梯度不稳定，可能导致训练曲线不可靠。Dice 损失函数的定义为：

为了兼顾训练过程的稳定性和解决类别不平衡问题，结合交叉熵损失函数和Dice 损失函数各自的优点，提出一个新的组合损失函数，更好地解决了目标与背景不平衡问题。该新的组合损失函数定义为：

其中，

λ

(

0

≤

λ

≤1)为参数。

3.3 医学图像分割结果

本文在皮肤镜图像数据集ISIC-2018 上对U-Net、MultiResUNet 和提出的IUNet 网络进行5 折交叉验证实验，实验结果如图5 所示。由图5 可以看出，与其他两种网络结构相比，IUNet 保留了更多的图像细节，分割效果也与标准分割图像最接近，即提出的IUNet 网络性能最好。

Fig.5 Results of the medical image segmentation图5 医学图像分割效果

“挑战杯”竞赛能够较好地培养具有创新、创优能力的人才，人工智能背景下基于“挑战杯”的创新人才培养体系，依托于创新目标，人才培养可以分为启蒙、学习、培育、参赛和后学习5个阶段。在启蒙阶段需要学校通过学习氛围熏陶、学校学院政策推动、教师引导、高年级学生影响等综合性措施促使创新理念与学生有机结合，促进学生养成良好的崇尚科学和追求真知的品质；在学习阶段，通过学习各门专业和实践创新类课程，例如人工智能、机器学习和深度学习等课程，积攒创新能力的厚度，使得学生养成勤奋学习的习惯；在培育阶段，主要通过各大创新类赛事推动学生积极发散创新思维，投身创新活动，促使学生勤于思考，锐意创新；通过前期学生努力、学校政策影响和教师培养，具有优秀创新品质的学生进入参赛阶段，该阶段是对学生问题解决能力、创新能力和团队协作能力等的极大考验，通过参赛阶段可以极大锻炼学生的创新能力和迎接挑战的自信；后学习阶段是在前期“挑战杯”竞赛的基础上，促使学生将创新知识、创新理念和创新能力应用于毕业设计、科研和就业中，最终成为服务国家经济、政治、文化、社会和生态文明建设的优秀创新储备人才。

4 人工智能背景下基于“挑战杯”的创新型人才培养成效

人工智能背景下实施基于“挑战杯”的创新人才培养模式，南京邮电大学通过竞赛成立了大学生创新创业团队、形成了项目培育、选拔、训练和竞赛“四位一体”的赛事指导机制，建立了全链条、全方位的创新赛事育人体系，并获得了以“挑战杯”竞赛为依托的一些教学和科研项目。以近几年的“挑战杯”竞赛为例，南京邮电大学在2017 年第十五届“挑战杯”竞赛中，共获得一等奖2 项、二等奖1 项、三等奖1 项；江苏省特等奖1 项、一等奖3 项、二等奖2 项、三等奖2 项；2018 年，首次入围全国“挑战杯”大学生课外学术科技作品竞赛发起高校；2019 年，获奖数量和获奖总分创参赛历史新高，位列全国第13 位，并首次捧得“优胜杯”。

5 结语

当今信息高速发展的时代是以人工智能为主导科技的时代，本文以人工智能为背景，以“挑战杯”竞赛为契机，结合南京邮电大学的学科特色，从创新理念融入、创新课程学习、项目培育、选拔培训竞赛、创新科研以及创新毕业设计和就业6个方面，提出了以“挑战杯”为龙头的“六位一体”的新型创新人才培养模式，积极提高学生的实践和创新能力，为国家输出大批创新性人才，同时也为其他高校创新人才培养模式的完善提供了借鉴。此外，本文以基于改进U-Net 网络的医学图像分割为实践引例，进一步说明“六位一体”的新型创新人才培养模式实施过程，并通过南京邮电大学近几年的成果验证了以“挑战杯”为龙头的“六位一体”的新型创新人才培养模式的有效性。