资源简介

(共17张PPT)
第2单元 机器能识别
第3节 用深度学习实现图像分类
八年级 下册
主要内容
知识探究
/01
/02
习题测试
/03
小节回顾
/04
作业布置
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
项目子任务
学习图像分类任务的数据集制作，来为“昆虫的识别”作知识储备。
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
探究内容与要求
（1）方法引导：遵循“概念→结构→原理→......”认知规律
（2）主要内容：
①如何制作图像数据集？——ImageNet格式
②如何对图像分类模型进行训练？——MMEdu图像训练
③如何应用图像分类模型？——XEduHub推理ONNX模型
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
知识习得
（1）自主阅读：以书本P55-57为主，网络知识作补充
（2）知识梳理：
①丰富的数据集意味着图片要考虑光照、拍摄角度、背景等条件的变化，采集多样化的图片。应用场景为校园农场时，就不能用在教室的图片，而是应该在校园农场采集图片。
②ImageNet数据集包括训练集、验证集和测试集。
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
知识习得
（1）自主阅读：以书本P57-60为主，网络知识作补充
（2）知识梳理：
①不同的SOTA模型适合解决不同的问题，MobileNet适合在移动终端上部署。
②训练后出现的accuracy_top-1表示模型在验证集上验证得到的准确率。
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
知识习得
（1）自主阅读：以书本P60-64为主，网络知识作补充
（2）知识梳理：
①在MMEdu中使用convert函数可以实现将pth格式模型转换为ONNX格式模型。
②Gradio可以用于设计和部署机器学习模型的交互式界面。
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
核心素养培育
（1）学会分析：以“昆虫的识别”为例，如何选择合适的昆虫种类，如何采集图像，如何选择模型，如何搭建人工智能应用？
辅助分析支架：要实现“昆虫的识别”，需要了解数据集格式、模型的优劣、模型转换、模型推理和人工智能应用搭建。
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
核心素养培育
（2）学会解释：如何用python代码实现MMEdu图像分类模型训练？
辅助分析支架：
① 编写基本训练代码：
from MMEdu import MMClassification as cls
model = cls(backbone=‘LeNet’)
model.num_classes = 3
model.load_dataset(path=‘./dataset/insect’)
model.save_fold = ‘./my_model’
model.train(epochs=10,validate=True)
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
核心素养培育
（2）学会解释：如何用python代码实现MMEdu图像分类模型训练？
辅助分析支架：
② 基于训练过的模型，继续训练的参考代码：
from MMEdu import MMClassification as cls
model = cls(backbone=‘LeNet’)
model.num_classes = 3
model.load_dataset(path=‘./dataset/insect’)
model.save_fold = ‘./my_model’
checkpoint = ‘./latest.pth’ # 要求模型使用同一种SOTA模型
model.train(epochs=10,validate=True,checkpoint=checkpoint)
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
核心素养培育
（2）学会解释：如何用python代码实现MMEdu图像分类模型训练？
辅助分析支架：
③ 模型转换为ONNX格式。代码如下：
from MMEdu import MMClassification as cls
model = cls(backbone=‘LeNet’)
checkpoint = ‘./my_model/latest.pth’)
out_file =‘./my_model/best.onnx’
model.convert(checkpoint=checkpoint,out_file=out_file)
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
核心素养培育
（3）学会求证：用模型推理验证模型效果！
——教师引领学会求证：用python编程，实现图像分类推理。
①求证技能：用python中的XEduHub，实现推理。代码如下：
②求证活动：用Gradio编写代码搭建人工智能应用。
from XEdu.hub import Workflow as wf
mm = wf(task=’mmedu’,checkpoint=’./my_model/best.onnx’
image = ‘./resources/test.jpg’
res,img = mm.inference(data=image,img_type=’cv2’)
result = mm.format_output(lang=’zh’)
mm.show(img)
01 准备过程
02 整体结构
03 重点说明
04 名词解释
知识探究
核心素养培育
（4）对学科方法、工具或作品进行评价反思
①XEduHub库和Gradio库帮我们解决了什么问题？
01 准备过程
02 整体结构
03 重点说明
04 名词解释
习题测试
1. 以下哪种不是常见的图像分类 SOTA 模型？（ ）
A. LeNet B. MobileNet C. ResNet18 D. BaseNN
参考答案：D
01 准备过程
02 整体结构
03 重点说明
04 名词解释
习题测试
2. ImageNet 格式数据集一般包含______、______、______三个文件夹。
参考答案：training_set、val_set、test_set
01 准备过程
02 整体结构
03 重点说明
04 名词解释
小结回顾
请同学按照下列提示进行总结回顾：
1.学到了哪些知识与技能？
2.提升了哪些方面的能力？
3.生成了怎样的观点？
01 准备过程
02 整体结构
03 重点说明
04 名词解释
作业布置
1.项目实施作业
请各小组对项目探究的阶段成果进行整理并提交，整理内容：
（1）项目方案与小组分工表
（2）系统应用使用说明
（3）Python代码实现人工智能应用
2.课后挑战作业（书本P64的“挑战”部分）

展开更多......

收起↑