资源简介

中小学教育资源及组卷应用平台
第1.4课《图像分类新思考——图像分类的优势与挑战》教学设计
课题 图像分类新思考——图像分类的优势与挑战 单元 第一单元 学科 信息科技 年级 六年级
核心素养目标 信息意识：能够理解计算机图像分类的重要性，认识到图像分类对于计算机的重要性。计算思维：学习计算机图像分类，掌握基本的计算机图像分类技能，如对图像进行处理。数字化学习与创新：利用图像分类技术，学习使用简单的计算机图像分类，如体验训练模型与应用全过程、禁入报警项目实现。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（如照片），避免不当分享。
教学重点 能够理解图像分类的优势与挑战的重要性，认识到图像分类对于计算机的价值。
教学难点 学习计算机图像分类，掌握基本的计算机图像分类技能，如对图像进行处理。
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 第1.4课 《图像分类新思考——图像分类的优势与挑战》板书课题。计算机能在图像分类比赛中取得优异的成绩，但在现实生活中它能很好地完成图像分类的任务吗 图像分类在具体的应用中有哪些优势，又有哪些不足呢 这些都是人们在人工智能发展中需要不断思考的问题。本节课，我们一起来考验计算机图像分类的智能程度，看一看它能否成功挑战图像分类。 思考：请同学们以小组为单位，谈一谈你们认为计算机图像分类是否已经足够智能了，为什么？尽管计算机能够在特定任务上表现出色，但它们缺乏人类的直觉和常识。首先，计算机图像分类在处理复杂场景、模糊图像或低质量图像时，仍然可能出现错误。计算机图像分类的智能程度在很大程度上依赖于训练数据的质量和多样性。2.播放视频。 学习新知引入完成思考。观看教学视频。 用生活中的常见的图像分类引入课堂。用提问的方式引入课题，增强课堂互动性。将学生的注意吸引到课堂。
讲授新课 新知讲解：板书课题。图像分类的优势计算机图像分类凭借它分类速度快、准确度高的优势，已经应用于人们日常生活的方方面面，在一定程度上减轻了人们的负担，改变了人类的生活方式。分类速度快计算机可以不知疲惫地重复处理程序指令，在需要对大批量的图片进行分类时，具有得天独厚的优势。例如，人们在杂志上看到心仪的衣服，想上网购买一件类似的衣服时，面对购物网站海量的衣服难免会“选择困难”，如果用手机拍照，然后通过购物网站的识图功能就可以找到具有相似特征的衣服，快速又便捷。某购物软件的图像分类如图 1.4.1 所示。分类准确度高一个成熟的图像分类模型具有较高的准确度。例如，图像分类技术应用于医疗领域，可以通过分析医学影像来判断病情。在癌症检测中，肿瘤的良性与恶性很难区分，图像分类技术可以辅助医生进行诊断，使检测结果更加准确，如图 1.4.2 所示。课堂活动说一说：图像分类技术能够具有这些优势的主要因素是什么 它能顺利完成图像分类任务的原因有哪些呢 图像分类技术能够顺利完成图像分类任务的主要因素包括卷积神经网络（CNN）的应用、深度学习技术的发展，以及数据集的扩大和计算资源GPU的技术升级。图像分类任务的成功完成得益于深度学习模型的应用、大量标注数据的支持、迁移学习的利用、算法模型的多样性以及数据集的质量和数量。这些因素共同作用，使得计算机视觉领域中的图像分类技术能够不断进步，应用于各种实际场景中 。图像分类面临的挑战 计算机虽然在基本的图像分类比赛中表现出的水准已经超越了人类，但完成现实中的图像分类任务仍然有很多困难和挑战。可以从人类分类图像出现困难的角度出发，探究计算机的图像识别技术是否可以成功地解决图像质量、分类目标的完整度、类别内的差异性等带来的一系列问题。图片质量首先，光照是影响图片质量的关键因素之一。光线过于明亮或过于昏暗都会影响图片的显示效果，使图片的特征变得不够清晰。其次，杂乱的背景也会使人眼花缭乱，抓不住图片的重点。再者，当遇到模糊不清的图片时，人们就只能凭借自己的想象力去还原画面，而机器要想成功分类图像质量有问题的片，就需要有像人类一样的推理想象力。图 1.4.3 展示了一些不同质量的图片。分类目标的完整度图 1.4.4 中是两张宠物狗的图片，但右图中分类目标被遮挡了，人们可以根据自己的经验对不完整的画面做出推断，从而对图片做出正确的判别。但当计算机遇见同样的问题时，它是否能成功地完成分类任务是人们需要探究的问题。类别内的差异性同一类别的物品有各种各样的形态，但是由于功能相同，所以人们通常将它们分为一类，如图 1.4.5 所示。对于计算机而言，这项任务目前依然是个挑战。计算机是否也能推断出图像中物品的实际用途，并将物品成功进行分类呢 三、课堂练习实践同学们，快组织你的小组成员来一起探究图像分类能否成功挑战上述困难吧!活动目的：探究图像质量、分类目标的完整度和类别内的差异性给机器图像分类带来的影响。活动规则：从网上收集用于图像分类的图片，并采用遮挡、提高亮度、降低亮度等方式对图像进行处理，让连接有AI摄像头的 AIOI板对处理后的图像进行分类。 表1.4.1 图像分类挑战探究报告三、拓展延伸图像分类的三大类别图像分类技术能分出同一大类物品的不同种类吗 例如不同种类的车。当然可以，图像分类可以分为跨物种语义级别的图像分类、子类细粒度图像分类以及实例级图像分类三大类别。所谓跨物种语义级别的图像分类，是在不同物种的层次上识别不同类别的对象，如车、飞机分类等。 子类细粒度图像分类车的内部分类用的是不是子类细粒度图像分类呢 没错，该分类往往是同一个大类中的子类的分类，如不同飞机的分类、不同船的分类等。实例级图像分类那实例级图像分类是什么呢 实例级图像分类通常用于区分只有细微差异的个体，最典型的例子是人脸识别。跨物种语义级别的图像分类我明白了，跨物种语义级别的图像分类可以分出人和车;子类细粒度图像分类可以分出黄种人、白种人、黑种人和棕种人;:实例级图像分类可以区分出我、小清和班里的每一个同学，如图 1.4.6 所示。进行图像分类：看图识物 1.目标设定：设定清晰的分类目标，例如识别特定类别的物体（如动物、植物、交通工具等）。 2.全面性：确保训练数据涵盖多种场景、角度、光照条件等，以提高模型的泛化能力。 3.渐进性：可以采用迁移学习，从简单的任务开始，逐步增加复杂性，以提高模型的学习效率。提高图像分类看图识物的多样性、兴趣 4.数据集的多样性：训练模型时使用的数据集的多样性和丰富性会直接影响模型的性能。 5.兴趣与关注点：人类在看图时往往会关注特定的区域或特征，这种兴趣驱动的注意力机制可以帮助提高识别的准确性。 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。 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。四、活动日志 活动日志 班级：XX姓名：XX活动名称班级BMI数据测试--数据的收集与处理活动环节1口 2口 3口 4口（在对应环节画V）活动完成内容数据的收集、数据的处理活动完成度口口口口口口口口口(100%)活动小结问题与反思：数据处理得不熟练改进的方法：多练习或者询问老师和同学诀窍 学习图像分类的方法。说一说：图像分类技术能够具有这些优势的主要因素是什么 学习图像分类面临的挑战完成课堂练习学习课外知识拓展。完成活动日志记录。 初步学习图像分类方法，并知道如何运用。了解图像分类技术完成现实中的图像分类任务进行课题练习，引导学生进行举一反三和实际问题的解决，考查学生的知识学习落地能力。培养数据处理能力，引导学生认识不同数据的处理，并如何进行内容信息分析加深对本课知识内容的理解和掌握。引导学生利用所学知识进行图像分类。将本课学习情况进行总结。
课堂小结 图像分类看图识物1.进行新知引入2.初识图像分类3.图像分类的实现4.图像分类项目应用5.图像分类新思考 总结回顾 对本节课内容进行总结概括。
课后作业 在本节课学习后，在小组内讨论一下你在图像分类的过程和收获。各小组成员将本组完成的图像分类项目在班级进行展示与介绍，和老师或同学们共享成果，交流创作感想。 布置作业 拓展学生的学习能力
课堂板书 观看板书 强调教学重点内容。
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
HYPERLINK "http://www.21cnjy.com/" 21世纪教育网(www.21cnjy.com)(共37张PPT)
第1单元 第4课
图像分类新思考
——图像分类的优势与挑战
（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（如照片），避免不当分享。
利用图像分类技术，学习使用简单的计算机图像分类，如体验训练模型与应用全过程、禁入报警项目实现。
学习计算机图像分类，掌握基本的计算机图像分类技能，如对图像进行处理。
能够理解计算机图像分类的重要性，认识到图像分类对于计算机的重要性。
02
新知导入
计算机能在图像分类比赛中取得优异的成绩，但在现实生活中它能很好地完成图像分类的任务吗 图像分类在具体的应用中有哪些优势，又有哪些不足呢 这些都是人们在人工智能发展中需要不断思考的问题。本节课，我们一起来考验计算机图像分类的智能程度，看一看它能否成功挑战图像分类。
02
新知导入
加大图像分类的难度考考你。
02
新知导入
思考
请同学们以小组为单位，谈一谈你们认为计算机图像分类是否已经足够智能了，为什么？
尽管计算机能够在特定任务上表现出色，但它们缺乏人类的直觉和常识。首先，计算机图像分类在处理复杂场景、模糊图像或低质量图像时，仍然可能出现错误。计算机图像分类的智能程度在很大程度上依赖于训练数据的质量和多样性。
02
新知导入
03
新知讲解
一、图像分类的优势
计算机图像分类凭借它分类速度快、准确度高的优势，已经应用于人们日常生活的方方面面，在一定程度上减轻了人们的负担，改变了人类的生活方式。
03
新知讲解
计算机可以不知疲惫地重复处理程序指令，在需要对大批量的图片进行分类时，具有得天独厚的优势。
分类速度快
03
新知讲解
例如，人们在杂志上看到心仪的衣服，想上网购买一件类似的衣服时，面对购物网站海量的衣服难免会“选择困难”，如果用手机拍照，然后通过购物网站的识图功能就可以找到具有相似特征的衣服，快速又便捷。某购物软件的图像分类如图 1.4.1 所示。
图 1.4.1 购物软件的图像分类
分类速度快
03
新知讲解
分类准确度高
一个成熟的图像分类模型具有较高的准确度。例如，图像分类技术应用于医疗领域，可以通过分析医学影像来判断病情。在癌症检测中，肿瘤的良性与恶性很难区分，图像分类技术可以辅助医生进行诊断，使检测结果更加准确，如图 1.4.2 所示。
03
新知讲解
图 1.4.2 未来的 AI医生
03
新知讲解
课堂活动
说一说：图像分类技术能够具有这些优势的主要因素是什么 它能顺利完成图像分类任务的原因有哪些呢
图像分类技术能够顺利完成图像分类任务的主要因素包括卷积神经网络（CNN）的应用、深度学习技术的发展，以及数据集的扩大和计算资源GPU的技术升级。图像分类任务的成功完成得益于深度学习模型的应用、大量标注数据的支持、迁移学习的利用、算法模型的多样性以及数据集的质量和数量。这些因素共同作用，使得计算机视觉领域中的图像分类技术能够不断进步，应用于各种实际场景中 。
03
新知讲解
二、图像分类面临的挑战
计算机虽然在基本的图像分类比赛中表现出的水准已经超越了人类，但完成现实中的图像分类任务仍然有很多困难和挑战。可以从人类分类图像出现困难的角度出发，探究计算机的图像识别技术是否可以成功地解决图像质量、分类目标的完整度、类别内的差异性等带来的一系列问题。
03
新知讲解
首先，光照是影响图片质量的关键因素之一。光线过于明亮或过于昏暗都会影响图片的显示效果，使图片的特征变得不够清晰。其次，杂乱的背景也会使人眼花缭乱，抓不住图片的重点。
图片质量
03
新知讲解
再者，当遇到模糊不清的图片时，人们就只能凭借自己的想象力去还原画面，而机器要想成功分类图像质量有问题的片，就需要有像人类一样的推理想象力。图 1.4.3 展示了一些不同质量的图片。
图 1.4.3 不同质量的图片
图片质量
03
新知讲解
图 1.4.4 中是两张宠物狗的图片，但右图中分类目标被遮挡了，人们可以根据自己的经验对不完整的画面做出推断，从而对图片做出正确的判别。但当计算机遇见同样的问题时，它是否能成功地完成分类任务是人们需要探究的问题。
图 1.4.4 不同完整度的图片
分类目标的完整度
03
新知讲解
同一类别的物品有各种各样的形态，但是由于功能相同，所以人们通常将它们分为一类，如图 1.4.5 所示。对于计算机而言，这项任务目前依然是个挑战。计算机是否也能推断出图像中物品的实际用途，并将物品成功进行分类呢
图 1.4.5 各式各样的椅子
类别内的差异性
04
课堂练习
同学们，快组织你的小组成员来一起探究图像分类能否成功挑战上述困难吧!
实践
03
新知讲解
活动目的：探究图像质量、分类目标的完整度和类别内的差异性给机器图像分类带来的影响。
活动规则：从网上收集用于图像分类的图片，并采用遮挡、提高亮度、降低亮度等方式对图像进行处理，让连接有AI摄像头的 AIOI板对处理后的图像进行分类。
03
新知讲解
观察计算机最后识别出的结果，同时可让小组成员与 AIOT板进行对比，记录比赛结果，并对计算机图像分类的表现给予评价，填写表1.4.1.
表1.4.1 图像分类挑战探究报告
组长 图像加工员 裁判
图像收集员 程序员 小组成员
分类记录
机器 人
评价
05
拓展延伸
图像分类的三大类别
图像分类技术能分出同一大类物品的不同种类吗 例如不同种类的车。
当然可以，图像分类可以分为跨物种语义级别的图像分类、子类细粒度图像分类以及实例级图像分类三大类别。所谓跨物种语义级别的图像分类，是在不同物种的层次上识别不同类别的对象，如车、飞机分类等。
05
拓展延伸
车的内部分类用的是不是子类细粒度图像分类呢
子类细粒度图像分类
没错，该分类往往是同一个大类中的子类的分类，如不同飞机的分类、不同船的分类等。
05
拓展延伸
实例级图像分类
那实例级图像分类是什么呢
实例级图像分类通常用于区分只有细微差异的个体，最典型的例子是人脸识别。
05
拓展延伸
跨物种语义级别的图像分类
我明白了，跨物种语义级别的图像分类可以分出人和车;子类细粒度图像分类可以分出黄种人、白种人、黑种人和棕种人;:实例级图像分类可以区分出我、小清和班里的每一个同学，如图 1.4.6 所示。
03
拓展延伸
图1.4.6 图像分类的三大类别
05
拓展延伸
进行图像分类：看图识物
1.目标设定：设定清晰的分类目标，例如识别特定类别的物体（如动物、植物、交通工具等）。
2.全面性：确保训练数据涵盖多种场景、角度、光照条件等，以提高模型的泛化能力。
3.渐进性：可以采用迁移学习，从简单的任务开始，逐步增加复杂性，以提高模型的学习效率。
05
拓展延伸
4.数据集的多样性：训练模型时使用的数据集的多样性和丰富性会直接影响模型的性能。
5.兴趣与关注点：人类在看图时往往会关注特定的区域或特征，这种兴趣驱动的注意力机制可以帮助提高识别的准确性。
提高图像分类看图识物的多样性、兴趣
05
拓展延伸
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。
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。
06
单元总结
活动日志 班级：XX 姓名：XX
任务名称 班级BMI数据测试--数据的收集与处理
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 数据的收集、数据的处理
任务完成度 口口口口口口口口口(100%)
任务小结 问题与反思：数据处理得不熟练
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
图像分类看图识物
2
初识图像分类
3
图像分类的实现
4
图像分类项目应用
5
图像分类新思考
1
2
3
4
5
08
板书设计
图像分类看图识物
1.进行新知引入
2.初识图像分类
3.图像分类的实现
4.图像分类项目应用
5.图像分类新思考
09
课后作业
01
在本节课学习后，在小组内讨论一下你在图像分类的过程和收获。
过程与收获
09
课后作业
02
各小组成员将本组完成的图像分类项目在班级进行展示与介绍，和老师或同学们共享成果，交流创作感想。
成果与交流
09
课后作业
03
自评与他评
评价内容 自我评价 教师评价
1.项目的完成度
2.分工协作的合理性
3.演讲展示的表现能力
4.解决问题的综合能力
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑