资源简介

(共23张PPT)
第
十三
课
图像识别技术
浙教版
八年级下
新知导入
从此视频当中，我们了解到计算机可以通过编写好的代码进行人脸识别，在生活中，很多公安系统通过图像识别进行破案。
新知导入
实验心理学家赤瑞特拉证实：人类获取信息83%来自视觉，11%来自听觉。
新知讲解
一、图像识别
图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术。每个图像都有独特的特征，图象识别技术通过获取图像的主要特征来识别图像。
新知讲解
亲身体验
采用识别文字的APP或软件，将图像中的文字识别为文本形式。
新知讲解
二、图象识别技术的应用场景
图像识别技术在生活中的应用越来越多。如图13-1所示，在文字识别领域，识别车牌号码、身份证号等；在图形识别领域，可以鉴别出各种植物、动物等；在人脸识别领域，可以实现手机支付、解锁等功能。
图13-1
图像识别应用场景
车牌识别
植物识别
人脸识别
新知讲解
亲身体验
举例你身边使用图像识别技术的应用案例。
1、火车站检票口人脸识别
2、手机人脸解锁
3、扫一扫二维码
4、自动驾驶
新知讲解
亲身体验
1、火车站检票口人脸识别
2、自动驾驶
新知讲解
亲身体验
3、扫一扫二维码
4、自动驾驶
新知讲解
三、图像识别的过程
图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像，如图13-2所示。
图13-2
图像识别过程示意图
新知讲解
1.图像数字化
图像的数字化过程主要分为采样、量化与编码三个部分。
（1）采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。
新知讲解
（2）量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。
新知讲解
（3）编码可以实现压缩图像数据量，数字化后得到的图像数据量一般较大，编码技术可以压缩存储量。例如，一个分辨率为16×16像素的黑白字形图（如图13-3），若用“0”表示白、“1”表示黑，如图13-4所示的是未经压缩的图像数字化表示。
图13-3
字形图像
图13-4
用二进制表示图像
新知讲解
2.预处理
指图像处理中的去噪、平滑、变换等操作，从而加强图像的主要特征。图像经过预处理的前后效果对比，如图13-5所示。
图13-5
图像预处理前后对比
预处理前
预处理后
新知讲解
3.特征提取
特征提取是指获取图像主要特征的过程。例如，在人脸识别过程中，人脸器官的形状、它们之间的距离等是图像的主要特征，如图13-6所示。
图13-6
提取人脸的特征点示意图
新知讲解
卷积神经网络在图像特征提取上有非常出色的表现。通过深度学习，卷积神经网络能以逐层抽象的方式来学习数据中蕴含的特征，通过多层变换之后，卷积
神经网络可以将原始图
像变换为更高层次的、
抽象的特征，如图13-7
所示。
图13-7
卷积神经网络提取图像特征
新知讲解
4.分类并识别
分类并识别是指计算机先对图像进行种类预测，得到种类分布，再根据种类在相应训练好的模型中，用提取到的特征与模型中的数据进行匹配，从而的得到相应的结论。
新知讲解
四、图像识别的实践
人工智能开放平台一般提供若干类别的图像模型。借助这些平台，可以实现不同类别图像的识别。以百度语音识别软件开发工具包为例，识别动物图片的过程如图13-8所示。
图13-8
在百度人工智能开放平台中识别动物图片的结果
新知讲解
从网上搜集一种植物的多张图像，利用人工智能开放平台进行识别。
随堂练习
课堂总结
1、图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术
2、图象识别的应用领域：文字识别领域，识别车牌号码、身份证号等智能识别。
3、图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像。
4、在人工智能开放平台上识别植物。
板书设计
一、图像识别
二、图象识别技术的应用场景
三、图像识别的过程
https://www.21cnjy.com/help/help_extract.php中小学教育资源及组卷应用平台
浙教版信息技术八年级下第三单元第13课图片识别技术教学设计
课题
第13课
图片识别技术
单元
第三单元
学科
信息技术
年级
八年级
学习目标
通过体验图像识别技术的案例，了解图像识别技术。利用人工智能开放平台，实现动物、植物和人脸等不同类型图像的识别。感受图像识别技术带来的便利。
重点
通过体验图像识别技术的案例，了解图像识别技术。
难点
利用人工智能开放平台，实现动物、植物和人脸等不同类型图像的识别。
教学过程
教学环节
教师活动
学生活动
设计意图
导入新课
同学们，上课前，我们来观看一段小视频？观看视频从此视频当中，我们了解到计算机可以通过编写好的代码进行人脸识别，在生活中，很多公安系统通过图像识别进行破案。实验心理学家赤瑞特拉证实：人类获取信息83%来自视觉，11%来自听觉。
听讲，思考
通过视频初步了解图像识别技术。
讲授新课
一、
图像识别
图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术。每个图像都有独特的特征，图象识别技术通过获取图像的主要特征来识别图像。
亲身体验：采用识别文字的APP或软件，将图像中的文字识别为文本形式。
二、图象识别技术的应用场景图像识别技术在生活中的应用越来越多。如图13-1所示，在文字识别领域，识别车牌号码、身份证号等；在图形识别领域，可以鉴别出各种植物、动物等；在人脸识别领域，可以实现手机支付、解锁等功能。亲身体验举例你身边使用图像识别技术的应用案例。1、火车站检票口人脸识别2、手机人脸解锁3、扫一扫二维码4、自动驾驶三、图像识别的过程
图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像，如图13-2所示。
1.图像数字化图像的数字化过程主要分为采样、量化与编码三个部分。（1）采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。（3）编码可以实现压缩图像数据量，数字化后得到的图像数据量一般较大，编码技术可以压缩存储量。例如，一个分辨率为16×16像素的黑白字形图（如图13-3），若用“0”表示白、“1”表示黑，如图13-4所示的是未经压缩的图像数字化表示。2.预处理
指图像处理中的去噪、平滑、变换等操作，从而加强图像的主要特征。图像经过预处理的前后效果对比，如图13-5所示。3.特征提取
特征提取是指获取图像主要特征的过程。例如，在人脸识别过程中，人脸器官的形状、它们之间的距离等是图像的主要特征，如图13-6所示。
卷积神经网络在图像特征提取上有非常出色的表现。通过深度学习，卷积神经网络能以逐层抽象的方式来学习数据中蕴含的特征，通过多层变换之后，卷积神经网络可以将原始图像变换为更高层次的、抽象的特征，如图13-7所示。4.分类并识别
分类并识别是指计算机先对图像进行种类预测，得到种类分布，再根据种类在相应训练好的模型中，用提取到的特征与模型中的数据进行匹配，从而的得到相应的结论。四、图像识别的实践人工智能开放平台一般提供若干类别的图像模型。借助这些平台，可以实现不同类别图像的识别。以百度语音识别软件开发工具包为例，识别动物图片的过程如图13-8所示。随堂练习从网上搜集一种植物的多张图像，利用人工智能开放平台进行识别。
了解、掌握体验了解及掌握。自行网上了解体验掌握了解
通过教师讲解了解图像识别技术的概念及原理。增强图像识别理解。通过学习，了解图像识别技术在生活中应用。教师讲解，学生通过网上搜索活动了解到图像识别技术的工作过程。了解图像识别的过程。通过实践更加了解图像识别技术的应用。
课堂小结
1、图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术2、图象识别的应用领域：文字识别领域，识别车牌号码、身份证号等智能识别。3、图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像。4、在人工智能开放平台上识别植物。
提问回答
通过提问方式进行总结。
板书
一、图像识别二、图象识别技术的应用场景三、图像识别的过程
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)

展开更多......

收起↑