資源簡介

課題名稱 第3課 用深度學習實現(xiàn)圖像分類
課時目標 1.知道圖像數(shù)據(jù)集，能夠說出數(shù)據(jù)集準備流程。 2.知道圖像分類模型，能夠說出SOTA模型的名稱。 3.知道圖像分類應用，能夠用XEduHub實現(xiàn)應用編寫。
教學準備 網(wǎng)絡計算機、XEdu軟件、瀏覽器
導學過程 意圖說明
知識探究 1.項目子問題或任務引入 ——學習圖像分類任務的數(shù)據(jù)集制作，來為“昆蟲的識別”作知識儲備。 2.探究內容與要求 （1）方法引領：遵循“概念→結構→原理→......”認知規(guī)律 （2）主要內容： ①如何制作圖像數(shù)據(jù)集？——ImageNet格式 　?、谌绾螌D像分類模型進行訓練？——MMEdu圖像訓練 ③如何應用圖像分類模型？——XEduHub推理ONNX模型 3.知識習得 （1）自主閱讀：以書本P55-57為主，網(wǎng)絡知識作補充 （2）知識梳理： ①豐富的數(shù)據(jù)集意味著圖片要考慮光照、拍攝角度、背景等條件的變化，采集多樣化的圖片。應用場景為校園農場時，就不能用在教室的圖片，而是應該在校園農場采集圖片。 ②ImageNet數(shù)據(jù)集包括訓練集、驗證集和測試集。 4.知識習得 （1）自主閱讀：以書本P57-60為主，網(wǎng)絡知識作補充 （2）知識梳理： ①不同的SOTA模型適合解決不同的問題，MobileNet適合在移動終端上部署。 ②訓練后出現(xiàn)的accuracy_top-1表示模型在驗證集上驗證得到的準確率。 5.知識習得 （1）自主閱讀：以書本P60-64為主，網(wǎng)絡知識作補充 （2）知識梳理： ①在MMEdu中使用convert函數(shù)可以實現(xiàn)將pth格式模型轉換為ONNX格式模型。 ②Gradio可以用于設計和部署機器學習模型的交互式界面。 6.核心素養(yǎng)培育 （1）學會分析:以“昆蟲的識別”為例，如何選擇合適的昆蟲種類，如何采集圖像，如何選擇模型，如何搭建人工智能應用？ 輔助分析支架：要實現(xiàn)“昆蟲的識別”，需要了解數(shù)據(jù)集格式、模型的優(yōu)劣、模型轉換、模型推理和人工智能應用搭建。 （2）學會解釋:如何用python代碼實現(xiàn)MMEdu圖像分類模型訓練？ 輔助分析支架： 編寫基本訓練代碼： 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)
基于訓練過的模型，繼續(xù)訓練的參考代碼： 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’ # 要求模型使用同一種SOTA模型 model.train(epochs=10,validate=True,checkpoint=checkpoint)
模型轉換為ONNX格式。代碼如下： 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)
（3）學會求證：用模型推理驗證模型效果！ ——教師引領學會求證：用python編程，實現(xiàn)圖像分類推理。 ①求證技能：用python中的XEduHub，實現(xiàn)推理。代碼如下： 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)
②求證活動：用Gradio編寫代碼搭建人工智能應用。 （4）對學科方法、工具或作品進行評價反思 ①XEduHub庫和Gradio庫幫我們解決了什么問題？ 習題測試 1. 以下哪種不是常見的圖像分類 SOTA 模型？（ ） A. LeNet B. MobileNet C. ResNet18 D. BaseNN 參考答案：D 2. ImageNet 格式數(shù)據(jù)集一般包含______、______、______三個文件夾。 參考答案：training_set、val_set、test_set 小結回顧 請同學按照下列提示進行總結回顧： 1.學到了哪些知識與技能？ 2.提升了哪些方面的能力？ 3.生成了怎樣的觀點？ 布置作業(yè) 1.項目實施作業(yè) 請各小組對項目探究的階段成果進行整理并提交，整理內容： （1）項目方案與小組分工表 （2）系統(tǒng)應用使用說明 （3）Python代碼實現(xiàn)人工智能應用 2.課后挑戰(zhàn)作業(yè)（書本P64的“挑戰(zhàn)”部分） 略

展開更多......

收起↑