基于深度學(xué)習(xí)的計算機(jī)視覺課程教學(xué)改革探析

張重　李東紅　李梅　劉爽

計算機(jī)視覺是一門仿生科學(xué)，使機(jī)器具有人眼的部分特性。隨著計算機(jī)技術(shù)的日新月異和大量數(shù)據(jù)的獲取成為可能，深度學(xué)習(xí)已滲入到機(jī)器學(xué)習(xí)中，以深度學(xué)習(xí)為核心的計算機(jī)視覺課程的建立也成為不可避免的趨勢。

目前，計算機(jī)視覺課程在很多高校的教學(xué)中仍然存在一系列問題，本文主要從教學(xué)內(nèi)容方面來探討計算機(jī)視覺課程的改革，以期使學(xué)生更好地學(xué)習(xí)和掌握有關(guān)深度學(xué)習(xí)的計算機(jī)視覺知識和技術(shù)，使學(xué)生能夠及時接觸和學(xué)習(xí)新知識，這就要求教師本著與時俱進(jìn)和終身學(xué)習(xí)的思想，及時了解計算機(jī)視覺領(lǐng)域的發(fā)展前沿并詳細(xì)地傳授給學(xué)生，培養(yǎng)有思想、有實(shí)踐能力的新時代學(xué)生。

《計算機(jī)視覺》的授課內(nèi)容安排

計算機(jī)視覺的傳統(tǒng)教學(xué)脫離科學(xué)發(fā)展實(shí)際情況，紙上談兵。為此，我們將從這方面對計算機(jī)視覺教學(xué)提出改革，使學(xué)生在學(xué)習(xí)本課程后，能夠較全面地了解和掌握深度學(xué)習(xí)和計算機(jī)視覺的相關(guān)知識，并且能夠自己動手實(shí)現(xiàn)MatConvNet框架里的基本算法。

學(xué)習(xí)計算機(jī)視覺這門課程要求學(xué)生有較深厚的數(shù)學(xué)功底，因此，在講授專業(yè)知識之前，先講授概率論和線性代數(shù)的相關(guān)知識。對于計算機(jī)視覺專業(yè)知識的介紹，我們選擇周志華編纂的《機(jī)器學(xué)習(xí)》這本書作為教材。這本書涵蓋計算機(jī)視覺各個方面的基礎(chǔ)知識，包括基本概念、經(jīng)典的機(jī)器學(xué)習(xí)方法和進(jìn)階知識，可以使學(xué)生很容易地入門。

對于深度學(xué)習(xí)的介紹，我們以美國物理學(xué)家Michael Nielsen編纂的《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》作為入門教材，本教材全文都以識別數(shù)字作為例子，并結(jié)合Python語言編程的實(shí)例，來介紹神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基本知識。

本著以原理和具體實(shí)例為導(dǎo)向的原則，列舉基于深度學(xué)習(xí)的計算機(jī)視覺在實(shí)際應(yīng)用中的實(shí)例，如人臉識別、圖像處理、行人檢測等。

接著以基于深度學(xué)習(xí)的圖像識別為例，介紹卷積神經(jīng)網(wǎng)絡(luò)的理論知識，以及結(jié)合現(xiàn)今經(jīng)典的深度學(xué)習(xí)框架，講解其在圖像識別的應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)的最基本組成部分是卷積層，各個卷積神經(jīng)網(wǎng)絡(luò)的主要區(qū)別在于卷積層的數(shù)量和連接方式。

此外，出于各種考慮，還會添加數(shù)量不等的池化層等結(jié)構(gòu)。卷積神經(jīng)網(wǎng)絡(luò)類似于人類的神經(jīng)元，學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)其實(shí)質(zhì)是學(xué)習(xí)數(shù)以萬計的參數(shù)。現(xiàn)今經(jīng)典的深度學(xué)習(xí)框架主要包括：MatConvNet、谷歌的TensorFlow、亞馬遜的MXNet，以及Facebook的PyTorch和Caffe2。

鑒于TensorFlow、MXNet、PyTorch和Caffe2需要在GPU服務(wù)器的Linux系統(tǒng)下運(yùn)行，而MatConvNet在Windows系統(tǒng)下就能安裝并運(yùn)行，并且MatCovNet易于使用和安裝。實(shí)現(xiàn)是完全獨(dú)立的，只需要MATLAB和兼容的C++編譯器，還有考慮到很多高?？赡茉诮虒W(xué)中沒有配置GPU服務(wù)器，我們在教學(xué)中以講解MatConvNet為例，使學(xué)生能夠熟練掌握MatConvNet框架的基本知識，并能使用自己的圖像數(shù)據(jù)庫對該框架進(jìn)行微調(diào)（fine-tuning），得到圖像識別結(jié)果。

深度學(xué)習(xí)實(shí)踐教學(xué)

接下來重點(diǎn)介紹MatConvNet框架。MatConvNet是一種MATLAB工具箱，專門用于卷積神經(jīng)網(wǎng)絡(luò)中。相比于其他高級編程語言，MATLAB簡單易學(xué)。在教學(xué)中，這使得學(xué)生較快掌握該框架成為可能。我們先講解如何安裝MatConvNet（下載網(wǎng)址：http：//www.vlfeat.org/matconvnet/）。安裝步驟為：先安裝matlab2015b和Visual Studio 2013；再設(shè)置MatConvNet子文件夾的Matlab路徑；在Matlab的命令窗口輸入指令：mex–setup，并選擇C++編譯器；再在Matlab的命令窗口輸入指令：vl_compilenn，進(jìn)行搭建相關(guān)文件；最后運(yùn)行vl_setupnn.m文件，運(yùn)行結(jié)束后就可以使用該框架了。

為了檢驗(yàn)MatConvNet框架能否正常使用，我們可以打開examples文件夾中的其中一個例子，比如mnist，如果能成功運(yùn)行，則表示已經(jīng)成功安裝MaConvNet框架。在教學(xué)中，重點(diǎn)講解cnn_train.m和cnn_train_dag.m這兩個訓(xùn)練函數(shù)，最后布置學(xué)習(xí)任務(wù)，讓學(xué)生基于MatConvNet框架的其中一個例子進(jìn)行代碼調(diào)試，以提高實(shí)踐能力。

結(jié)語

經(jīng)過上述內(nèi)容的講解，學(xué)生可以掌握經(jīng)典計算機(jī)視覺算法，掌握深度學(xué)習(xí)相關(guān)知識。學(xué)習(xí)深度學(xué)習(xí)框架可以讓學(xué)生理論聯(lián)系實(shí)踐，根據(jù)自己試驗(yàn)情況改變網(wǎng)絡(luò)結(jié)構(gòu)。經(jīng)過教改，增加學(xué)生對前沿科學(xué)的興趣，養(yǎng)成獨(dú)立思考、勤于動手的習(xí)慣。

基金項(xiàng)目：“基于研究型教學(xué)的數(shù)字圖像處理教學(xué)改革探討”（項(xiàng)目編號：JGYB01217042）；天津師范大學(xué)青年科研拔尖人才培育計劃（項(xiàng)目編號：135202RC1703）