1.2《图像分类的实现——体验训练模型与应用全过程》 教案 清华大学版（2024）六上信息科技.docxVIP

第一课《图像分类的实现》教案

教学时间

教学班级

六年级

课程名称

图像分类的实现

课时

1课时

教学目标

一、知识与技能

1.能够说出人类分类图像的过程

2.能够说出计算机分类图像的过程

3.网上查中不同类别的图片，能够借鉴第一节课的程序进行测试

二、过程与方法

1.通过讲授和展示的方式，让学生了解人类分类图像与计算机分类图像的含义并说出其过程。

2.通过引导的方式让学生利用第一节课学习过的程序方法测试其它的图像类别

三、情感态度与价值观

1.通过本节课学习，使学生认识到人机图像分类的过程差异，学会分析程序、测试数据。

重点

1.领会人类与计算机进行图像分类的过程差异。

2.改写第一节课已学的程序完成图像分类的操作过程。

难点

利用并改写已有的图像分类程序测试下载的不同类别的图像

教具

WPS软件，掌控版、mPython

教学方法

教学展示、小组讨论、兴趣驱动。

教学过程

教师

学生

一、导入（6分钟）

同学们，欢迎大家来到数据大讲堂。

（小组讨论）请同学们开展小组讨论，说一说，你们心中的机器对图像进行分类的过程与人类对图像进行分类的过程是否相同，共同点与区别在哪里?

哪位小组的学生向大家说出你的观点？

很好，同学们回答很有逻辑且融入了自己的理解！老师看得出来，同学们对于图像分类的过程都有自己独到的见解。现在就让我们全面学习一下人类分类图像与机器分类图像的过程吧。

小组讨论并回答问题

知识讲解（15—20分钟）

1.人类分类图像

（提问）如图所示，大家看一下这几张扑克牌，你们可以把它分成哪几类呢？分类的依据是什么？你的分类过程是什么？

同学们的回答都很棒，总的来说人类进行图像分类主要包括两个过程：首先是观察特征，其次是选取特征进行分类。人们要对图像进行分类，首先要观察图像中各种不同事物的特征。一张图像包含着许多特征，如颜色、图案、形状及大小。如图所示，一张扑克牌的特征信息包含着花色、数字。

选择不同的特征进行分类会产生不同的分类结果，分类结果的精细程度也不一样。如图所示一组扑克可以按颜色分类、按图案分类，也可以按数字进行分类。

2.计算机分类图像

同人类图像分类过程不一样的是计算机进行在进行图像分类之前，首先得认识这些图像代表的含义。机器进行分类之前有一个学习的过程，需要人为输人足够数量图片，并给图片贴上标签作为学习训练的样本，让机器知道这些图片属于什么类型，相同标签的图片属于同一类别。这些供机器进行学习的图片统称为称训练集。如图所示，给计算机输人鸟的训练集，标签命名为“bird”当然也可以是其他名称、标签起到的作用主要是区别或标记。

在训练图像分类模型之前，先来看一下计算机视角的这些图片是什么样子的。如图所示，如果一张图片放大，可以观察到该图片是由一个一个小格子组成的，每个格子是一个色块，每个色块代表相应的像素数据，计算机能看懂的就是这些数据。

对于人类而言，从图像中提取特点的过程并不复杂或困难，只需要眼睛看到图片，正常情况下大脑就会获取特征。但计算机看见的是一串图像数据因此需要借助特定的算法，才能从中找到数据变化的规律，经过-系列的训练，最终生成图像分类模型。训练模型的一般过程如下图所示。

对未分类的图像进行图像分类时，需要先加载训练好的图像分类模型，然后通过摄像头获取图像信息并转化为计算机能理解的数据。最后将数据特征与模型中已有的分类进行对比，推算出图像属于各个分类中的概率，概率最大的分类名称就是最后输出的图像分类的结果，如图所示。

总的来说，计算机进行图像的过程主要包括给计算机输入训练集、训练图像分类模型以及使用图像分类等过程。

学生思考并回答问题

三、实操练习（10—15分钟）

从网上查找出不同角度或样式的汽车、自行车、公交车、火车、飞机、轮船6类图片，使用第1课的图像分类程序(见第10页)对图片进行分类，将分类结果记录在表中(分类正确打“V”，分类错误打“x”)，统计分类失败的图片，并与小组成员谈一谈你认为无法分类的原因。

注意此时我们程序当中的分类数量以及训练集数量分别是多少？

（学生会做，让学生自己做，老师巡查，并且负责解决学生创作过程当中遇到的问题）

（学生不会做，老师讲解）

老师和同学们一起来完成。

动手操作完成图像分类过程

四、课堂总结（5分钟）

老师看了同学们测试的程序，都很棒，看来大家对于今天的知识点都掌握得很好。

（提问）最后，请一位同学总结一下，我们今天这节课，都学习到了哪些知识点呢？

不错，大家都学习得很认真，掌握了今天这节课的知识。

这堂课中，我们首先了解了人类分类图像的过程主要包括两个过程即观察特征与选取特征进行分类。其次，我们了解了计算机分类图像的过程即输入训练集、训练图像分类模型以及使用图像分类。最后，还学会了利用编程软件以及相应的硬件进行图像