计算与人工智能通识 教案第14讲 神经网络与深度学习（四）.pdf

计算与人工智能通识—教案

TheTeachingPlanforIntroductiontoComputingAI

线上：3学时

教学内容第9章神经网络与深度学习学时

线下：3学时

线上课外学习网络自学

（课前）知识点：直接通路、学习路径、残差块、pytorch

第14讲基于DNN的图像识别

1.典型的深度神经网络模型与框架

研讨内容

2.Yolo算法的特点及应用

1.了解基于残差卷积神经网络ResNet的分类技术

学习目标2.掌握花卉识别检测模型的算法步骤

3.掌握残差卷积神经网络ResNet框架的部署和使用

1.掌握花卉识别检测模型的算法步骤

教学重点

2.掌握残差卷积神经网络ResNet框架的部署和使用

线下课堂教学

（课中）1.花卉识别检测模型的算法步骤

教学难点

2.残差卷积神经网络ResNet框架的部署和使用

教学手段和网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和

方法实验指导，讨论式教学等

讨论：

课堂练习

残差卷积神经网络ResNet基本原理和方法

实验14：基于残差网络架构训练花卉分类模型（1学时）

上机实践

掌握残差卷积神经网络ResNet框架的部署和使用。

1.Pytorch的models中有很多经典模型（Classification），例如AlexNet、

拓展提升与

VGG、ConvNeXt等，本使用使用残差网络ResNet来完成花朵识别工作，是否可

作业

以使用AlexNet来识别？。

（课后）

2.图像识别深度学习识别方法还有哪些？

11

第页共页