深度学习应用与实践 -教案全套 贾艳光 项目1-12 认识机器学习 -基于CRNN的商品信息图片文字识别

《计算机应用开发》教案授课题目认识机器学习授课类型新授课授课时长2节课教学内容教学目标知识目标（1）了解机器学习的定义。（2）了解人工智能、机器学习与深度学习的关系。（3）熟悉机器学习的学习方式。（4）熟悉机器学习中的常见任务。（5）熟悉机器学习的三要素。能力目标能够使用人工智能技术提高工作效率，如快速抠图。情感目标培育“以开放心态拥抱变化”的价值观。教学重点（1）了解人工智能、机器学习与深度学习的关系。（2）熟悉机器学习的学习方式。（3）熟悉机器学习中的常见任务。教学难点熟悉机器学习中的常见任务教法学法讲授法、讨论法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、操作手册、学生任务单教学设备：教师机学情分析《人工智能基础》是本门课的专业基础课，学生了解人工智能、机器学习、深度学习，但学生知识的结构性弱，本项目可复习加提升。板书设计（教学结构图）教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果案例导入项目描述项目分析知识准备项目实施课堂总结【导入】2016年3月15日，人工智能围棋程序“阿尔法狗”（AlphaGo）以总比分4∶1战胜世界级职业棋手，如图1-1所示。2017年，AlphaGo又以3∶0战胜世界冠军选手。在这场围棋人机大战中，AlphaGo的强大不禁让人们感慨，在围棋领域，人类已非机器对手。在这之前，“人工智能”一词对人们来说总是“晦涩难懂”的，而在这场围棋人机大战之后，人们通过各种资讯了解到，人工智能已经渗透到每个人的工作和生活中，其并非离人们的日常生活那么遥远。或者说，人们在不经意间已经享受着人工智能所带来的便利服务。本项目要求基于PPT和人工智能对图1-2（a）进行抠图，并将抠图结果进行对比，实现图像的服饰分割抠图，体验人工智能技术给人们工作和生活带来的便利。（1）从机器学习的定义、学习方式、常见任务和三要素等角度，了解机器学习。（2）了解人工智能、机器学习与深度学习的关系。（3）获取图像，使用PPT进行抠图，抠取图像中的服饰。（4）借助阿里云视觉智能开放平台的服饰分割能力实现抠图。（5）从效率和效果两个方面对比传统手段和智能手段。知识点1机器学习的定义知识点2人工智能、机器学习与深度学习的关系知识点3机器学习的学习方式知识点4机器学习中的常见任务知识点5机器学习的三要素任务1登录平台下载图像任务2使用PPT实现抠图任务3使用人工智能实现抠图任务4抠图结果的对比【学生谈收获】让学生分享在本项目中的所学所得。【总结】教师总结本项目内容。学生思考明确本节课的实操任务学生聆听并思考学生聆听并思考学生根据教材操作学生分享收获学生聆听、做好课堂笔记引入新课。明确任务明确知识目标和实操过程系统性的讲授知识，学生易建构自己的知识体系。在操作中体会计算机视觉带来的便利和暂时存在的不足学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目认识深度学习授课类型新授课授课时长3节课教学内容教学目标知识目标（1）了解生物神经网络及其信号传递的过程。（2）了解人工神经元及人工神经网络的学习过程。（3）熟悉卷积神经网络的定义与构成。（4）熟悉常见的深度学习框架。能力目标能够使用神经网络可视化平台搭建简单神经网络来实现分类任务。情感目标树立“终身学习”的理念。教学重点熟悉卷积神经网络的定义与构成。使用神经网络可视化平台搭建简单神经网络来实现分类任务教学难点熟悉卷积神经网络的定义与构成。教法学法讲授法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生学习过生物学的神经网络，对人工神经网络有一点了解，但对卷积神经网络和深度学习框架不了解。板书设计（教学结构图）教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果案例导入项目描述项目分析知识准备项目实施课堂总结2006年是人工智能发展史上一个重要的分界点，在这一年深度学习神经网络被提出，这使得人工智能的性能获得了突破性进展，深度学习的发展将人工智能带进全新阶段。依靠算法和强大的算力，深度学习取得了令世人瞩目的成就，可以广泛用于图像识别、文字识别、声音识别及大数据分析等领域，并取得了非常好的效果，引发了广泛的关注和全球人工智能产业风潮。在未来，深度学习还将发挥重要作用。思考：深度学习的“深”体现在哪里？神经网络的理论知识相对较难理解，因此本项目基于神经网络可视化平台来搭建简单的神经网络，并通过添加隐藏层来增加神经网络的复杂性，实现简单的和复杂的二分类问深度学习应用与实践题，从而直观地了解神经网络的相关知识。在本项目中，首先介绍深度学习的相关知识，然后借助人工智能交互式在线学习及教学管理系统，使用其中的神经网络可视化平台，快速搭建简单的神经网络，实现分类识别，具体分析如下。（1）通过对比生物神经网络和人工神经网络，了解它们的异同之处。（2）学习卷积神经网络的层次结构和常见的深度学习框架。（3）借助神经网络可视化平台快速搭建神经网络，实现分类识别。（4）对比不同神经网络的处理能力，从而深入理解神经网络的工作原理。知识点1生物神经网络知识点2人工神经网络知识点3卷积神经网络知识点4常见的深度学习框架本项目将基于人工智能交互式在线学习及教学管理系统介绍神经网络的组成。实训目的：通过实训掌握基于实训平台搭建神经网络，并将其应用到分类问题的场景中。实训要求：学生以2人或3人为一个小组，在实训过程中充分讨论、学习和验证，最终共同完成实训任务。目标成果：神经网络分类识别结果图.jpg。任务1认识神经网络可视化平台任务2执行简单的分类识别任务3执行复杂的分类识别拓展学习：拓展学习1：在“数据”区域，选择第4个螺旋数据集。这是最复杂的分类数据集，蓝色数据集和橘色数据集以螺旋状的形式展开。请搭建合适的神经网络并进行测试，使得分类器在经过100次以内的迭代后，测试损失值小于0.03。拓展学习2：将“问题类型”设置为“回归”，并选择第1个数据集，搭建合适的神经网络并进行测试，对比“分类”和“回归”两类问题的输出有何不同。【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生聆听并思考学生明晰任务学生聆听并思考学生聆听并思考学生完成任务分享自己在本项目中的收获聆听并思考激发学生兴趣，联系学生已有的关于人工智能的经验，引入新课。明确本项目所学内容，树立学习目标学生明晰本节课的学习流程，紧跟学习内容。系统讲授机器学习相关知识有利于学生迅速获得大量知识。学生在平台搭建图像分类的过程中理解图像分类任务和人工神经网络的结构学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目认识计算机视觉授课类型新授课授课时长3节课教学内容教学目标知识目标（1）掌握计算机视觉的定义。（2）掌握计算机视觉的4个层次。（3）掌握计算机视觉中的常见任务。（4）了解计算机视觉的典型应用。（5）了解计算机视觉的开发平台。能力目标能够使用端侧设备体验计算机视觉功能。情感目标提升信息素养。教学重点（1）掌握计算机视觉中的常见任务。（2）了解计算机视觉的典型应用。（3）使用端侧设备体验计算机视觉功能。教学难点使用端侧设备体验计算机视觉功能。教法学法讲授法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、操作手册、学生任务单教学设备：教师机学情分析学生在生活中常用计算机视觉的技术解决现实问题，但较少深入的思考。板书设计（教学结构图）教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果案例导入项目描述项目分析知识准备项目实施课堂总结我们在生活中经常会遇到一些未知物体，你知道图3-1中的物体分别是什么吗？想要知道答案，可以采取两种方法：一是去图书馆查询资料，但是可能需要花费很多时间，因为不知道要查看哪本书，所以可能要找很久才能找到答案；二是询问相关专业人士或老师，但是可能很难快速找到回答问题的专家，而且专家不一定能及时回复问题。那么，人工智能技术可以帮助我们快速识别吗？项目要求基于人工智能开发验证单元等端侧设备来体验计算机视觉的应用，包括图像分类、目标检测、图像分割及人体姿态估计，通过具体的实现效果来理解计算机视觉的能力。本项目首先介绍计算机视觉的相关知识，然后基于人工智能开发验证单元来体验计算机视觉的应用，具体分析如下。（1）掌握计算机视觉的定义，并将其与人类视觉进行对应。（2）掌握计算机视觉的4个层次，了解计算机视觉的整个过程。（3）掌握计算机视觉中的常见任务，重点熟悉图像分类、目标检测、图像分割及人体姿态估计。（4）了解本项目所使用的两个开发平台的功能和特点。（5）借助人工智能开发验证单元体验图像分类、目标检测、图像分割及人体姿态估计功能，了解人工智能开发验证单元的使用方法。（6）通过人工智能开发验证单元的可视化效果，深入理解计算机视觉的能力。知识点1：计算机视觉的定义知识点2：计算机视觉的4个层次知识点3：计算机视觉中的常见任务知识点4：计算机视觉的典型应用知识点5：计算机视觉的开发平台任务1：实训环境准备任务2:体验图像分类人工智能功能任务3：体验目标检测人工智能功能任务4：体验图像分割人工智能功能任务5：体验人体姿态估计人工智能功能【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生聆听并思考学生明晰任务学生聆听并思考学生聆听并思考学生完成任务分享自己在本项目中的收获聆听并思考激发学生兴趣，联系学生已有的关于人工智能的经验，引入新课。明确本项目所学内容，树立学习目标学生明晰本节课的学习流程，紧跟学习内容。系统讲授机器学习相关知识有利于学生迅速获得大量知识。学生在体验计算机视觉的典型任务中学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于API实现图像去雾授课类型新授课授课时长4节课教学内容教学目标知识目标了解百度的图像去雾API能力目标掌握使用API的步骤实现图像去雾情感目标使学生体验人工智能的分类任务，将人工智能的兴衰与自身职业规划联系起来。能理解机器学习在实际中的应用并产生学习动力。教学重点掌握使用API的步骤实现图像去雾教学难点掌握使用API的步骤实现图像去雾教法学法讲授法、练习法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生了解图像去雾的理论知识，但未实现过图像去雾。板书设计（教学结构图）图像去雾教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果案例导入项目描述项目分析知识准备项目实施课堂总结【情境导入】一般情况下，户外的计算机视觉系统的应用都需要准确获取图像的细节特征，如交通监控系统需要提取车辆型号、车牌号和车身颜色等信息，这就要求系统采集的图像有较高的清晰度。但是近年来雾霾天气频繁出现，对户外计算机视觉系统的正常使用造成了较大影响，使得系统获取的图像会出现对比度降低，色彩失真等情况，严重的还会使图像模糊不清，这大大降低了户外计算机视觉系统的使用性能，导致后期工作无法有效进行。比如：在雾霾天气环境下，公安部门无法通过安全监控系统识别和追踪犯罪嫌疑人，交警部门不能根据交通监控系统准确获取车辆和道路交通信息等等。由此可见，为了提高系统对各种天气环境的适应性，可以使用图像去雾算法对监控图像进行去雾。本项目要求基于上述案例中的场景，使用成熟的图像去雾云服务接口，对图进行图像去雾操作，从而获得去雾后的图像本项目首先介绍API和图像去雾的相关知识，然后介绍如何调用百度AI开放平台中的图像去雾API实现图像去雾操作，具体分析如下。（1）理解API的定义、架构、工作方式和类别，为后续调用API奠定基础。（2）了解国内头部人工智能企业所开放的人工智能平台，了解其中的计算机视觉人工智能功能。（3）学习针对数字图像的图像预处理技术，了解处理的内容和目的，并从中引出重要的图像增强技术——图像去雾。（4）掌握图像去雾的背景和定义，理解两种图像去雾算法的工作原理。（5）掌握百度AI开放平台图像去雾API的使用方法，能够调用API实现图像去雾操作。（6）能够将图像去雾的结果进行可视化，并将其与原图进行对比，直观感受图像去雾的效果。知识点1：API1）API的定义和架构2）API的工作方式——RESTAPI3）API的类别知识点2：视觉类云服务平台1）百度AI开放平台2）阿里云视觉智能开放平台知识点3：图像预处理1）图像采集2）图像清洗3）图像增广4）图像增强知识点4：图像去雾1）图像去雾的背景2）图像去雾的定义3）图像去雾的算法知识点5：图像去雾API的使用【任务描述】图像去雾API介绍百度，对浓雾天气下拍摄，导致细节无法辨认的图像进行去雾处理，还原更清晰真实的图像。示意图如下：二、使用API的步骤步骤一：领用资源步骤二：创建应用，生成acesstoken。步骤三：调用API，实现功能。三、图像去雾实现（1）导入库#导入实验所需库importrequests（2）生成request_url#为请求URI添加access_token参数request_url=request_url+'?charset=UTF-8&access_token='+access_token（3）设置消息头#设置请求消息头headers={"Content-Type":"application/json"}（4）图像数据转换为Base64格式。#将图像数据转换为Base64格式importbase64#导入所需库#以二进制的方式读取待预测图片f=open('1.png','rb')#转为Base64格式img=base64.b64encode(f.read())（5）将图像传入请求体所需参数#将图像传入参数params={"image":img}（6）请求体参数设置完成后，即可发送请求。#发送post请求response=requests.post(request_url,data=params,headers=headers)（7）查看响应信息#查看响应信息print(response)ifresponse:print(response.json())（9）查看回应返回状态码为200，表示响应正常。四、结果可视化（1）将图像进行解码#加载结果data=response.json()#提取图像数据image=data['image']#解码base64图像数据image_data=base64.b64decode(data['image'])（2）图像数据转为RGB格式#将图像数据写入保存withopen('2.jpg','wb')asf:f.write(image_data)#读取保存的图像sourceImg=cv2.imread('2.jpg')#转为RGB格式srcImage_new=cv2.cvtColor(sourceImg,cv2.COLOR_BGR2RGB)#显示图像plt.imshow(srcImage_new)plt.show()图像已经顺利地进行了去雾操作，效果良好。【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生聆听并思考学生明晰任务学生聆听并思考学生聆听并思考学生聆听并思考完成百度平台的资源领取、acesstoken获得操作学生生成request_url学生将图像数据转换为Base64格式学生将图像传入请求体所需参数学生发送请求学生查看响应请求学生将图像进行解码学生将图像数据转为RGB格式分享自己在本项目中的收获聆听并思考基于现实问题，激发学生兴趣，引入新课。明确本项目所学内容，树立学习目标学生明晰本节课的学习流程，紧跟学习内容。系统讲授机器学习相关知识有利于学生迅速获得大量知识。使学生明确任务，有的放矢介绍调用的API，了解API可实现的功能。算法较为抽象，教师讲解使学生不会有习得性无助讲解编码含义，帮助学生理解函数的的细节，对图形去雾有更深层次的认识。阶段性查看编码结果，有助于学生养成查错的思路。教师先让学生尝试，学生编码发生错误后在进行指导，有利于发展学生独立思考的能力，有助于提高学生的编码能力。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于API实现车型识别授课类型新授课授课时长3节课教学内容车型识别API介绍使用API的步骤三、车型识别实现四、结果可视化教学目标知识目标了解百度的车型识别API能力目标掌握使用API的步骤实现车型识别情感目标使学生体验人工智能的分类任务，将人工智能的兴衰与自身职业规划联系起来。能理解机器学习在实际中的应用并产生学习动力。教学重点掌握使用API的步骤实现车型识别教学难点掌握使用API的步骤实现车型识别教法学法讲授法、练习法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生了解车型识别的理论知识，但未实现过车型识别。板书设计（教学结构图）车型识别教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果【发现问题】【明确任务】【课堂实操】【课堂总结】【情境导入】在智能交通场景中，车型识别已经成为电子信息技术在交通运输领域的热点，它是对特定地点和时间段内的车流信息进行采集、识别和分类，如交通监控系统需要采集车辆型号数据，对其进行识别和分类，把得到的交通流数据作为交通管理、收费、调度、统计的依据。但传统的运动车辆检测和人工识别车辆有诸多缺点，如效率低下、准确度不高等问题，导致交警部门不能准确获取车辆信息或漏缺违规车辆。由此可见，为了提高车型识别速率及准确率，可以使用车型识别算法对图像中的车型进行识别。【任务描述】本次任务要求基于上述案例的场景，使用成熟的车型识别云服务接口，对图4-1中的原图进行车型识别操作。车型识别API介绍二、使用API的步骤步骤一：领用资源步骤二：创建应用，生成acesstoken。步骤三：调用API，实现功能。三、车型识别的实现（1）导入库#导入所需库importrequests#发送请求importbase64#图像编码fromPILimportImage#图像操作importmatplotlib.pyplotasplt#显示图像plt.rcParams['font.sans-serif']=['SimHei']#显示中文（2）设置request_url#定义请求URIrequest_url=同项目四的组装（3）设置请求消息头#设置请求消息头headers={"Content-Type":"application/x-www-form-urlencoded"}（4）将图像数据转换为Base64格式#将图像数据转换为Base64格式f=open('./data/test.jpg','rb')#以二进制的方式读取待预测图片img=base64.b64encode(f.read())#转为Base64格式（5）设置参数#将图像传入参数params={"image":img,"baike_num":5}access_token='生成的API请求链接所带的Token'request_url=request_url+"?access_token="+access_token（6）发送请求#发送post请求response=requests.post(request_url,data=params,headers=headers)（7）查看响应正常#查看响应信息print(response)ifresponse:print(response.json())（8）运行程序，返回参数<Response[200]>{'location_result':{'top':224,'left':192,'width':555,'height':396},'color_result':'红色','result':[{'year':'2021','name':'宝骏530','score':0.9012709856033325,'baike_info':{}},{'year':'2021','name':'启辰D60','score':0.001792644965462387,'baike_info':{}},{'year':'2015-2017','name':'宝骏560','score':0.001194860320538282,'baike_info':{'baike_url':'/item/%E5%AE%9D%E9%AA%8F560/16880463','image_url':'/pic/10dfa9ec86d9b8fa0ec08fac734','description':'宝骏560，是上汽通用五菱正式推出旗下首款SUV车型，于2015年7月18日上市，此次共推出1.8L手动舒适型、1.8L手动精英型、1.8L手动豪华型3款车型。2016年，宝骏560推出搭载1.5T涡轮增压发动机车型，以满足不同人群的需求。同年，宝骏560新增6速手动挡车型，售价区间为7.78万-9.08万元。2017年1月9日，宝骏560律动版正式上市，其相比现款560有很大的变化，提供1.5T手动乐享型、1.5T手动尊享型以及1.8L智能手动尊享型总共3款车型，采用了全新的前脸，包括优化了进气格栅尺寸和镀铬饰条，同时雾灯和LED日行灯位置进行了调换。'}},{'year':'2021','name':'新宝骏RS-3','score':0.000368758977856487,'baike_info':{}},{'year':'2021','name':'宝骏Valli','score':0.0002644755295477808,'baike_info':{}}],'log_id':1630127564973763450}（9）取出结果#加载结果print("1.车辆型号：",response.json()['result'][0]['name'])#输出车辆颜色print("2.车辆颜色：",response.json()['color_result'])#输出置信度print("3.识别置信度：",response.json()['result'][0]['score'])（10）运行程序结果四、结果可视化（1）对识别的车型进行标注并可视化#图片路径img=Image.open('./data/test.jpg')#图像窗口名称plt.figure("Image")#接收图像plt.imshow(img)#关掉坐标轴为offplt.axis('on')#车型类型plt.xlabel(response.json()['result'][0]['name'])#图像标题plt.title('车型识别结果图')#保存图像，保存结果要在show()之前，不然保存结果是白图plt.savefig("./data/"+response.json()['result'][0]['name']+".png")#显示图像plt.show()（2）程序运行结果如图所示，由图可知，车辆的型号已经准确识别出来，效果优异。【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生聆听并思考学生明确任务学生聆听并思考学生导入实验所需库学生生成request_url学生设置消息头学生将图像数据转换为Base64格式学生将图像传入请求体所需参数学生发送请求学生查看响应请求学生思考返回参数的含义学生聆听并思考学生检测识别结果可视化识别结果分享自己在本项目中的收获聆听并思考基于现实问题，激发学生兴趣，引入新课。使学生明确任务，有的放矢介绍调用的API，了解API可实现的功能。做好后续实训的准备工作此处和项目四操作相同，学生复习巩固。新知识点为设置返回百科数目，教师讲解，有助于学生理解培养学生独立思考的能力、逻辑能力部分学生python基础不佳，导致对返回参数的理解困难，教师讲解使学生不会有习得性无助根据（8）的结果编写编码，利用已学的python知识解决现实问题。阶段性查看编码结果，有助于学生养成查错的思路。教师先让学生尝试，学生编码发生错误后在进行指导，有利于发展学生独立思考的能力，有助于提高学生的编码能力。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于API实现车辆检测授课类型新授课授课时长4节课教学内容车辆检测API介绍，生成密钥二、调用API，实现车辆检测三、结果可视化教学目标知识目标了解百度的车辆检测API能力目标调用API，实现车辆检测情感目标使学生体验人工智能的目标检测，将人工智能的兴衰与自身职业规划联系起来。能理解机器学习在实际中的应用并产生学习动力。教学重点调用API，实现车辆检测教学难点调用API，实现车辆检测教法学法讲授法、练习法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生了解目标检测的理论知识，但未实现过目标检测。板书设计（教学结构图）车辆检测教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果【发现问题】【明确任务】【课堂实操】【课堂总结】【情境导入】在我们的日常生活中，每天在道路上穿行的车辆成千上万，在这些车辆当中，又有着非常多的车型，比如：汽车、卡车、巴士、摩托车、三轮车等。而在交通监控系统中，我们很难从众多穿行的车辆中去发现特定的车型，这就很容易出现各类事故。比如：在广东、湖南、福建等省份，均禁止摩托车上高速公路行驶，而公安部门无法通过安全监控系统及时准确地捕获到违规上高速的摩托车，这就有了很大的安全隐患，由此可见，为了及时发现违规上高速的摩托车，保障道路交通安全，可以使用车辆检测算法对监控图像进行排查，在高速收费站前对摩托车进行拦截，谨防摩托车冲卡上高速。【任务描述】本次任务要求基于上述案例的场景，使用成熟的图像检测云服务接口，原图进行车辆检测操作，检测到摩托车时在左上角做警示处理，并将检测到的车辆进行框选，其中摩托车用不同颜色进行框选。任务一：生成密钥（如项目四）步骤一：领用资源步骤二：创建应用，生成acesstoken。任务二：调用API，实现车辆检测（1）导入库（2）表示request_url如项目四（3）设置消息头图像已经顺利地进行了去雾操作，效果良好。（4）图像格式转换（5）图像传入请求体所需参数（6）查看响应结果：任务三：可视化结果（1）读取照片，并将图像数据转为RGB格式。（2）将识别到的车辆进行框选（3）显示图像结果：【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生聆听并思考学生明确任务学生聆听并思考学生导入实验所需库学生生成request_url学生将图像数据转换为Base64格式学生发送请求学生查看响应请求学生将图像进行解码学生将识别到的车辆进行框选学生显示图像分享自己在本项目中的收获聆听并思考基于现实问题，激发学生兴趣，引入新课。使学生明确任务，有的放矢介绍调用的API，了解API可实现的功能，并完成acesstoken的生成。此部分与项目四、项目五大致相同，学生可根据项目要求自己实现，教师偶尔提示，培养学生解决问题的思维。算法较为抽象，教师讲解使学生不会有习得性无助教师先让学生尝试，学生编码发生错误后在进行指导，有利于发展学生独立思考的能力，有助于提高学生的编码能力。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于API实现行人分割授课类型新授课授课时长4节课教学内容行人分割API介绍，生成密钥二、调用API，实现车辆检测三、结果可视化教学目标知识目标了解百度的行人分割API能力目标调用API，实现行人分割情感目标使学生体验人工智能的图像分割，将人工智能的兴衰与自身职业规划联系起来。能理解机器学习在实际中的应用并产生学习动力。教学重点调用API，实现行人分割教学难点调用API，实现行人分割教法学法讲授法、练习法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生了解图像分割分割的理论知识，但未实现过行人分割。板书设计（教学结构图）行人分割一、行人分割API介绍，生成密钥二、调用API，实现车辆检测三、结果可视化教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果【发现问题】【明确任务】【课堂实操】【课堂总结】【情境导入】随着城市化进程的加速和城市人口的不断增长，马路人流密集度也在不断提高，交通管理部门需要更加精准地了解人流量情况，为交通管控提供科学依据。行人分割人群计数可以帮助交通管理部门了解人流密集区域的情况，包括人流峰值时间、人流流向、人流密度等，为交通管控提供数据支持。在交通高峰期，交通管理部门可以根据人群计数的数据制定相应的交通管理方案，包括调整交通信号灯时长、增加交通警力、增设人行天桥等措施，提高交通流畅度和安全性。【任务描述】本次任务要求基于上述案例的场景，使用成熟的行人分割云服务接口，对原图进行行人分割操作。任务一：生成密钥（如项目四）步骤一：领用资源步骤二：创建应用，生成acesstoken。任务二：调用API，实现行人分割（1）导入库（2）表示request_url如项目四（3）设置消息头（4）图像格式转换（5）查看人像分割API请求说明，选择参数在本次任务中，我们需要的是对行人进行分割并且计算行人数量，对应的Type为"foreground"。（6）发送请求（7）查看响应结果：任务三：可视化结果（1）解码图像（2）图像数据转为RGBA格式结果：结果分析：从图中可以看到，图像已经顺利地进行了分割操作并且输出了行人数量，但是可以看出图中部分人像没有被正确分割和识别，通过对比原图，我们可以看到在部分靠近白色背景以及行人服装颜色跟周围环境颜色相近时无法被正确分割，目前，行人分割技术存在以下几个难点：1、复杂的场景背景：在城市中，行人常常出现在复杂的场景中，例如交通繁忙的路口、拥挤的街道等，这些背景可能会对行人分割产生干扰，使算法难以准确地检测和分割行人。2、行人外观的多样性：行人的外观因人而异，例如不同的衣着、不同的体型等，这些因素都会影响行人的视觉特征，使算法难以区分行人和其他物体。3、遮挡和重叠：行人之间可能会存在遮挡和重叠的情况，这些情况会使行人的边界模糊，使算法难以准确地分割行人。4、光照和阴影：光照和阴影是行人分割中常见的问题，它们可能会使行人的视觉特征变得模糊，使算法难以准确地检测和分割行人。5、数据集的不足：对于行人分割任务而言，数据集的质量和数量对算法的性能影响巨大。如果数据集中缺乏多样性和丰富性，算法可能无法泛化到不同的场景和行人外观。【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生聆听并思考学生明确任务学生导入实验所需库学生生成request_url学生将图像数据转换为Base64格式学生查看人像分割API请求说明，选择参数学生发送请求学生查看响应请求学生将图像进行解码学生将图像数据转为RGBA格式学生显示图像学生讨论分析结果分享自己在本项目中的收获聆听并思考基于现实问题，激发学生兴趣，引入新课。使学生明确任务，有的放矢介绍调用的API，了解API可实现的功能，并完成acesstoken的生成。此部分与项目四、项目五、项目6大致相同，学生可根据项目要求自己实现，教师偶尔提示，培养学生解决问题的思维。培养学生根据实际需要选定参数的能力此部分代码较为简单，学生独立操作，培养学生解决问题的能力。教师先让学生尝试，学生编码发生错误后在进行指导，有利于发展学生独立思考的能力，有助于提高学生的编码能力。此部分代码较复杂，且有新知识，故教师带领演示编码，学生模仿并做好课堂笔记。培养学生分析问题的能力，教师根据讨论结果做进一步延申，扩宽学生知识面。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于API实现车牌识别授课类型新授课授课时长4节课教学内容车牌识别API介绍，生成密钥二、调用API，实现车牌识别三、结果可视化教学目标知识目标了解百度的车牌识别API能力目标调用API，实现车牌识别情感目标使学生体验人工智能的文字识别，将人工智能的兴衰与自身职业规划联系起来。能理解机器学习在实际中的应用并产生学习动力。教学重点API实现车牌识别的流程定位车牌的位置并截取教学难点定位车牌的位置并截取教法学法讲授法、练习法、讨论法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生了解文字识别的理论知识，但未实现过文字识别。板书设计（教学结构图）基于API实现车牌识别一、车牌识别API介绍，生成密钥二、调用API，实现车牌识别三、结果可视化教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果复习旧知【发现问题】【明确任务】【项目分析】【课堂实操】【课堂总结】上次课我们体验了人工智能实现图像去雾，大家还记得它的实现流程吗？请大家选用合适的工具画出流程图，并截图到任务单中。（学生展示）今天我们来体验人工智能实现车牌识别。【情境导入】随着科技的发展，汽车逐渐进入人们的视野，使得汽车的保有量逐渐增加，随之而来的是城市车辆管理问题。车牌是能够对车辆信息快速进行确认的途径，可以说是车辆的“身份证”也并无不可。为了对城市车辆进行管理，车牌识别的实现对车辆管理的重要性不言而喻。比如停车场管理，停车场为了更好的对车辆的进出以及收费进行管理，那么他就需要在入口进行车牌识别并在系统记录，在出口进行车牌识别确认车辆停放时间并计算收费。由于新能源技术的快速发展，新能源汽车技术的成熟，市面上的新能源汽车越来越多。然而新能源车牌的命名规则与传统车牌的命名规则有所不同，如新增新能源车辆标识、新能源的号码牌增加了一位、底色不同等，使得以前的识别方式不能区别传统车辆和新能源车辆。使得停车场对传统车辆和新能源车辆的区分管理带来了一定困难。因此我们需要借助技术来帮助车辆的管理和监督，今天我们来体验车牌号的提取。【任务描述】本次任务要求基于上述案例的场景，使用成熟的车牌识别云服务接口，对原图进行车牌识别操作。要想完成这个项目，我们应该怎么做？或者说它的实现流程是什么？（小组讨论）并画出实现的流程图（个人任务），将流程图截图到任务单的第二题。（下发部分操作手册）一、学生操作任务一：生成密钥步骤一：领用资源步骤二：创建应用，生成acesstoken。任务二完善示例代码，分析输出结果（1）查找并读懂实例代码（小组讨论）（2）提出疑问（班内学生解答）（3）完善示例代码（4）分析响应结果，并完成任务单第三题任务三：定位车牌位置，输出车牌号（1）导入库思考还需要使用什么库？将思考结果写在任务单第三题后，在jupyter导入库。（2）读取照片，并将图像数据转为RGB格式。（3）提取图像（难点）第一步：教师提供思路思路1：如何给车牌画框思路2：如何提取数据第二步：学生尝试编码第三步：教师补充，完整代码如下（4）显示图像结果：【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生思考并完成任务单第一题学生聆听并思考学生明确任务学生讨论学生画图学生操作学生讨论学生解答，老师给学生积分完善示例代码学生分析响应结果的数据结构，思考数据含义。学生完成任务单第4题，导入实验所需库学生读取照片，并将图像数据转为RGB格式学生聆听并思考学生尝试编码学生聆听并思考学生编写代码，使得图像显示，车牌号被打印分享自己在本项目中的收获聆听并思考复习旧知，整理思维，尊重学生已有思维，从旧知中迁移新知。基于现实问题，激发学生兴趣，引入新课。使学生明确任务，有的放矢促进学生参与课堂，主动思考。进一步理清学生思维，培养其逻辑思维能力。学生之前完成过类似的操作，程度好的学生可独立完成，个别同学需要帮助。培养这部分同学运用资源的能力。培养学生查找资料、利用数据的能力。思想的碰撞能解决部分问题，使学生拥有成就感。提高学生课堂参与度，激发学生学习兴趣。将复杂代码改为简单的填空，降低学习的难度，激发学生学习兴趣。培养学生分析数据的能力，培养学生的数字敏感度。考察学生对库的作用的掌握程度，便于教师掌握学生学习情况。可参考图像去雾中项目中的写法，写代码的使用、模仿中掌握函数的用法。此部分为项目难点，教师需给学生搭梯子提出有挑战性的任务，学生踏出舒适区，通过克服挑战并取得成功，学生会更加自信教师讲解使做出来的同学加深对问题的理解，没自主做出来的学生不会无助教师先让学生尝试，学生编码发生错误后在进行指导，有利于发展学生独立思考的能力，有助于提高学生的编码能力。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于ResNet实现服饰分类授课类型新授课授课时长12节课教学内容一教学目标知识目标（1）掌握基于传统机器学习的图像分类方法。（2）掌握基于深度学习的图像分类方法。（3）熟悉深度学习图像分类算法——ResNet。（4）掌握图像分类模型的评估指标。能力目标能够训练ResNet模型实现服饰分类。能够将图像分类模型部署到服务端。情感目标使学生体验人工智能的分类任务，将人工智能的兴衰与自身职业规划联系起来。能理解机器学习在实际中的应用并产生学习动力。教学重点（1）ResNet模型实现服饰分类。（2）图像分类模型部署到服务端教学难点ResNet模型实现服饰分类教法学法讲授法、练习法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生了解人工智能的人类任务的原理，但未从综合、底层的角度实现过分类任务。板书设计（教学结构图）服饰分类模型的训练教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果【情境导入】【项目描述】【项目分析】【知识准备】【项目实施】【结果展示】【课堂总结】【情境导入】随着电商平台的快速发展，越来越多的人选择在电商平台（如京东、淘宝、拼多多等）上购物。服饰在电商平台上的种类多种多样，并且数量庞大。在电商销售活动中，服饰推荐方法主要基于用户的历史行为数据和服饰属性信息（如颜色、款式、品牌等）。为了方便用户检索，我们需要对电商平台上的服饰进行识别和分类。思考：可以使用什么技术来对服饰进行识别和分类呢？本项目要求基于上述案例场景，通过paddlepaddle框架训练一个ResNet模型，使其能够对图像中的服饰进行识别，并输出对应的类别标签及置信度选择环境选择上次课构建好的paddle——clo环境。导入模块导入我们上节课安装好的模块。三、构建数据读取器构建继承了paddle.io.Dataset这个类的数据读取器。我们需要重新定义__init__、__getitem__和__len__。四、处理数据格式在数据进入模型训练之前，还需对数据的格式进行处理，处理参数如下：T.Resize：指定输入图片的尺寸，并将所有样本数据统一处理成该尺寸；T.CenterCrop：对输入图像进行裁剪，并且保持图片中心点不变；T.Normalize：对所有输入图片数据进行归一化处理。划分数据集：这一步我们将数据集划分为trappings_train、trappings_validate和trappings_test。导入模型接下来我们开始导入模型，我们使用百度的paddlehub模型库加载ResNet50模型，label_list是数据标签，需要与我们的数据集的标签一致。name是模型的名字这里我们的模型名字叫resnet50_vd_imagenet_ssld。六、训练模型模型导入成功后我们就可以训练了，在本次任务中我们使用Adam优化器，learning_rate是全局学习率，一般默认0.001。parameters是待优化模型。Trainer是训练器。参数：Model是待优化模型；optimizer是优化器；checkpoint_dir是保存模型参数的地址；use_gpu是是指是否调用GPU，要调用GPU则为True，不调用GPU则是False。控制训练的过程，参数如下：trappings_train是训练用的数据集；epochs是训练的轮数，为了提高精确率轮数可以适当增加；batch_size是训练的批次大小，一般与图片数量、训练的轮数有关；eval_datase是验证集；save_interval是保存模型的间隔频次，单位是训练的轮数。本次训练大约需要30-40分钟。在训练过程中，你可以看到如下图的训练过程。epoch是训练轮数；step是每轮训练图片的张数；loss是损失量，这个的数值会随着训练逐渐减少；acc是精确率，是评估模型的一个标准，这个数值会随着训练逐渐增加；lr是learning_rate全局学习率。文件位置：代码文件的同级目录文件名字：img_classification文件内容：其中文件夹best_model中存放着10轮训练中最佳的模型文件，这将是下一任务中所部署的模型。单击打开可以看到其中存放着两个文件，分别为model.pdopt和model.pdparams七、部署服饰分类模型（1）配置config.json文件（2）单击打开服饰分类.ipynb文件，在最后一个空的代码块中输入以下代码（3）运行部署八、访问服务端（1）导入实验所需库（2）定义转换图像格式的方法（3）图像格式转换（4）发送请求输出结果：（5）识别结果可视化【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生回忆并思考学生明确项目要求学生聆听并思考学生聆听并思考选择环境学生按要求导入模块学生聆听并思考，教师提示后，构建数据读取器归一化处理划分数据集学生导入resnet50_vd_imagenet_ssld模型。学生训练模型学生查看训练结果配置config.json文件部署服务导入实验所需库定义转换图像格式的方法图像格式转换发送请求识别结果可视化分享自己在本项目中的收获聆听并思考激发学生兴趣，联系学生已有的关于人工智能的经验，引入新课。明确要求，有的放矢教师带领学生实现一个较为困难的任务，故先分析流程，明晰步骤。明确学习的脉络理论与实践想结合，理实一体算法较为抽象，教师讲解使学生不会有习得性无助教师讲解参数含义，帮助学生理解数据处理的细节，对数据处理有更深层次的认识。为了训练模型和验证模型的数据不重复，故须划分数据集，并在此处回顾知识点。使学生了解resnet模型，了解视觉进步背后的模型。教师教导学生理解模型训练中的参数，帮助学生理解参数含义，有助于学生观察模型训练的情况。学生查看是对模型训练结果的检验，不仅课正式训练的结果，也使学生获得满足感，成就感。教师讲解，学生聆听，能快速的掌握知识。教师演示，学生模仿，降低学习难度参照操作手册，独立完成，培养学生独立思考、操作的能力分析测试结果，检验服务部署的最终效果，提高课堂参与度。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于YOLOv3实现零售柜商品检测授课类型新授课授课时长12节课教学内容教学目标知识目标（1）熟悉传统目标检测方法的基本流程。（2）掌握深度学习目标检测方法的两种类别。（3）熟悉YOLO系列算法的原理及YOLOv3的特点。（4）掌握目标检测模型的评估指标。能力目标（1）能够通过训练YOLOv3实现零售柜商品检测。（2）能够将目标检测模型部署在端侧设备上进行实时检测。情感目标培育法治意识和数据安全意识。教学重点（1）训练YOLOv3实现零售柜商品检测。（2）将目标检测模型部署在端侧设备上进行实时检测。教学难点将目标检测模型部署在端侧设备上进行实时检测教法学法讲授法、练习法、演示法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生在平台进行过模型的训练与推理，但未运用编码进行过训练与推理。板书设计（教学结构图）目标检测模型训练与预测教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果【情境导入】【项目描述】【项目分析】【知识准备】【项目实操】【课堂总结】【情境导入】在传统的零售柜中，无论是大型超市，还是小型便利店，在居民密集区及消费高峰时段（如周末）经常会出现排队结算的现象。若我们能够利用目标检测一次性的识别所有商品和价钱，就能大大缩短结账时间。使用PaddlePaddle框架导入YOLOv3，对商品进行商品检测操作。本项目首先介绍目标检测的进阶知识，然后介绍如何训练YOLOv3来实现零售柜商品检测，具体分析如下。（1）学习传统的目标检测基本流程，能够加深对传统方法和深度学习方法的理解。（2）理解Two-Stage目标检测算法和One-Stage目标检测算法的优缺点和不同之处。（3）熟悉YOLO系列深度学习目标检测算法，重点了解YOLOv3的特点。（4）学习2个常见的目标检测模型的评估指标。（5）能够基于PaddlePaddle框架加载YOLOv3并进行训练。（6）能够使用IoU评估模型效果，并将最佳模型部署到端侧设备上。数据集分类知识点：切片os库，os.listdir()方法任务：完成任务单第一、二大题数据集预处理学生查看paddle的transfomers预处理方法图像数据输入利用pdx.datasets里的VOCDetection模块将数据输入进行处理启动模型训练五、查看模型训练结果模型训练在gpu的环境下迭代50次大概花费了1个小时的时间，上图的epoch是训练轮数；step是每轮训练图片的张数；这个的数值一般会随着训练逐渐减少（若没有出现过拟合的情况），是评估模型的一个标准；lr是learning_rate全局学习率。其中bbox-map约为18.42，loss约为107六、部署商品检测模型（一）下载模型，部署在“小黑盒”（二）、 编写“predict.py”的Python文件用于商品检测代码（1）新建predict.py（2）编写商品检测代码1、导入库导入模型编写（三）、编写“predict_camera.py”文件用于商品摄像头检测代码新建编写导入库2、导入模型3、编写（四）模型推理运行教师检查学生的完成情况【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生回忆并思考学生聆听并思考学生聆听并思考学生聆听并思考学生根据教师演示完成数据集预处理学生进行图像数据输入学生训练模型学生查看模型训练结果部署模型学生按要求新建predict.py编写predict.py学生编写商品检测代码学生将模型预测结果进行展示分享自己在本项目中的收获聆听并思考激发学生兴趣，联系学生已有的关于人工智能的经验，引入新课。明确项目内容，有的放矢明确学习内容理实一体教师带领学生实现一个较为困难的任务，故先分析流程，明晰步骤。学生首次进行此类项目，较为复杂，教师下先进行演示，学生进行模仿，不至于使基础弱的学生迷失方向给学生演示训练集的处理，要求学生自己完成测试集的处理，检验学生的理解程度。学生在此处理解，batch、epoch的含义，加深对模型训练的理解学生查看是对模型训练结果的检验，不仅课正式训练的结果，也使学生获得满足感，成就感。教师带领学生实现一个较为困难的任务，故先分析流程，明晰步骤。学生首次进行此类项目，较为复杂，教师下发操作手册不至于使基础弱的学生迷失方向教师演示，部分学生可顺利完成，对基础薄弱的学生下发操作手册，确保90%的学生不掉队。学生查看是对模型训练结果的检验，不仅课正式训练的结果，也使学生获得满足感，成就感。学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于U-Net实现服饰分割授课类型新授课授课时长12节课教学内容教学目标知识目标（1）熟悉传统的图像分割方法。（2）熟悉深度学习图像分割算法——U-Net。能力目标（1）能够基于PaddlePaddle框架来训练U-Net模型。（2）能够将服饰分割模型部署到服务器上。情感目标使学生体验目基于Unet实现服饰分割，将图像处理的兴衰与自身职业规划联系起来。教学重点（1）基于PaddlePaddle框架来训练U-Net模型。（2）将服饰分割模型部署到服务器上。教学难点基于PaddlePaddle框架来训练U-Net模型教法学法讲授法、练习法、演示法特色学习资源分析、技术手段应用说明学习场所：实训室教学资源：PPT、视频、操作手册、学生任务单教学设备：电子白板学情分析学生在平台进行过图像分割，但未运用编码进行过图像分割。板书设计（教学结构图）基于Unet实现服饰分割教学环节（时间分配）教学内容及教师活动学生活动设计意图及实施效果【情境导入】【项目描述】【项目分析】【知识准备】【项目实操】【课堂总结】【情境导入】在电商销售中，传统的服饰推荐方法主要基于用户的历史行为数据和服饰属性信息，如颜色、款式、品牌等，但是这些信息往往难以捕捉到服饰的视觉特征和细节，导致推荐效果不佳。图像分割技术可以将服饰图像中的每个像素标注为具体类别，如衣服、裤子、鞋子等，从而提取出服饰的图像特征，进一步优化推荐效果。本项目要求基于上述案例场景，使用PaddlePaddle框架来搭建U-Net模型，对服饰进行服饰分割操作。本项目首先介绍图像分割的进阶知识，然后介绍如何训练U-Net模型来实现服饰分割，具体分析如下。（1）学习传统的图像分割方法，并重点理解基于边缘检测的分割方法。（2）熟悉深度学习图像分割算法U-Net，着重了解其网络结构的组成。（3）能够基于PaddlePaddle框架来搭建U-Net模型并进行训练。（4）能够绘制损失曲线来评估模型效果，并将最佳模型部署到服务器上。任务1：了解数据集任务2：服饰分割数据集清洗运行结果：任务3：输入图像数据（1）了解MiscPackage.py（2）导入本次任务需要使用的库文件（3）参数定义（4）划分数据集（4）检验划分结果结果：任务4：服饰分割模型的搭建与训练任务5：评估服饰分割模型（1）画损失图预测预测可视化任务6：部署服饰分割模型（1）导入头文件（2）导入模型（3）定义图片读取函数（4）将图片载入模型（5）观察输入模型前后的图片对比教师检查学生的完成情况【学生谈收获】让学生分享在本次课上的所学所得，【总结】教师总结本次课内容。学生回忆并思考学生聆听并思考学生聆听并思考了解数据集教师提出要求，学生独立编码学生聆听并思考学生导入库文件学生根据操作手册完成任务划分数据集编写代码，检验划分结果搭建与训练服饰分割模型画损失图编写预测程序预测可视化导入头文件导入模型定义图片读取函数将图片载入模型观察输入模型前后的图片分享自己在本项目中的收获聆听并思考激发学生兴趣，联系学生已有的经验，引入新课。教师带领学生实现一个较为困难的任务，故先分析流程，明晰步骤。学生首次进行此类项目，较为复杂，教师下发操作手册不至于使基础弱的学生迷失方向独立完成，培养学生对数据的敏感度任务较简单，学生独立完成可增强其自信学生快速理解，增加课堂效率较为简单，可独立完成Python的列表截片的知识点，可独立完成教师带领学生实现一个较为困难的任务，故先分析流程，明晰步骤。检验过程使划分的目的更清晰操作手册标明个参数的含义，学生自学完成项目较为复杂，教师下发操作手册不至于使基础弱的学生迷失方向使学生直观的看到模型的训练轮次的变化下的损失值的变化此部分与前一部分的代码有大量重复，学生在教师的提示下独立完成，培养其解决问题的能力。学生参照操作手册完成，培养其独立思考的能力学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。《计算机应用开发》教案授课题目基于CRNN的商品信息图片文字识别授课类型新授课授课时长12节课教学内容教学目标知识目标了解文字识别的基本过程能力目标能利