《深度学习基础及应用》教案--第6课-利用卷积神经网络进行图像处理(一).pdf

课题利用卷积神经网络进行图像处理（一）

课时2课时（90min）

知识技能目标：

（1）了解卷积神经网络与全连接神经网络的区别

（2）掌握卷积神经网络的结构

（3）理解卷积神经网络核心网络层的工作原理，包括卷积层、池化层、全连接层和Dropout层。

教学目标

（4）能够根据给定条件完成卷积和池化运算

素质目标：

（1）增强遵守规则的意识，养成按规矩行事的习惯

（2）帮助学生树立履行时代使命的责任担当，激起学生报效祖国的理想情怀

教学重点：卷积神经网络与全连接神经网络的区别，卷积神经网络核心网络层的工作原理

教学重难点

教学难点：根据给定条件完成卷积和池化运算

教学方法案例分析法、问答法、讨论法、讲授法

教学用具电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，完成课

课前任务前任务，请大家提前预习本节课要讲的知识

【学生】完成课前任务

【教师】使用APP进行签到

考勤

【学生】班干部报请假人员及原因

【教师】提出以下问题：

问题导入什么是卷积神经网络？

【学生】思考、举手回答

【教师】通过学生的回答引入要讲的知识，介绍什么是卷积神经网络、卷积神经网络的核心网络层

等内容

4.1什么是卷积神经网络

卷积神经网络（convolutionalneuralnetwork,CNN）是一种包含卷积运算的前馈神经网络，是深度学

习的代表算法之一。

4.1.1卷积神经网络与全连接神经网络对比

✈【教师】随机邀请学生回答以下问题：

传授新知卷积神经网络与全连接神经网络有什么区别？

✈【学生】聆听、思考、回答

✈【教师】总结学生的回答

全连接神经网络在训练模型时，通常会因为全连接层的权重参数过多而导致模型收敛和训练困难。

受生物视觉系统的启发，卷积神经网络凭借着局部连接和权重共享特性在图像处理中脱颖而出，与全连

1

接神经网络相比，卷积神经网络不仅减少了大量的训练参数，还降低了神经网络的复杂度，减少了模型

的过拟合程度。

1．局部连接

✈【教师】通过多媒体展示“全连接的神经网络”和“局部连接的神经网络”图片（详见教材），

并介绍相关知识

传统的前馈神经网络，前一层的结点与后一层的结点全部连接起来，这种连接方式称为全连接，如

图所示。如果前一层有m个结点，后一层有n个结点，就会有m×n个连接权重，完成一次反向传播更

新权重时，要对这些权重进行重新计算，造成了O(m×n)O(n2)的计算开销和存储开销。

而局部连接的思想是两层之间只有相邻的结点才进行连接，即连接都是“局部”的，如图所示。以

图像处理为例，图像的某一个局部的像素组合在一起共同呈现一些特征，而图像中距离比较远的像素组

合起来则没有实际意义，因此这种局部连接的方式可以在图像处理问题上有较好的表现。如果把连接限