Keras與深度學(xué)習(xí)實(shí)戰(zhàn)-教案 黃可坤 第3、4章 Keras深度學(xué)習(xí)基礎(chǔ)、基于CNN的目標(biāo)檢測(cè)

第3章Keras深度學(xué)習(xí)基礎(chǔ)教案課程名稱(chēng)：Keras與深度學(xué)習(xí)實(shí)戰(zhàn)課程類(lèi)別：專(zhuān)業(yè)任選課程適用專(zhuān)業(yè)：信息與計(jì)算科學(xué)總學(xué)時(shí)：48學(xué)時(shí)總學(xué)分：3.0學(xué)分本章學(xué)時(shí)：16學(xué)時(shí)材料清單《Keras與深度學(xué)習(xí)實(shí)戰(zhàn)》教材。配套PPT。引導(dǎo)性提問(wèn)。探究性問(wèn)題。拓展性問(wèn)題。教學(xué)目標(biāo)與基本要求教學(xué)目標(biāo)首先介紹Keras深度學(xué)習(xí)基礎(chǔ)。主要包括介紹卷積神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法，LeNet-5、AlexNet、VGGNet、GoogLeNet和ResNet等常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)；緊接著闡述循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法；最后介紹生成對(duì)抗網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法?；疽螅?）掌握卷積神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。（2）掌握循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。（3）掌握生成對(duì)抗網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。問(wèn)題引導(dǎo)性提問(wèn)什么是卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)？Keras中如何構(gòu)建一個(gè)簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)模型、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)？循環(huán)神經(jīng)網(wǎng)絡(luò)通常用來(lái)處理什么類(lèi)型的數(shù)據(jù)？生成對(duì)抗網(wǎng)絡(luò)的目標(biāo)是什么？如何訓(xùn)練和優(yōu)化生成對(duì)抗網(wǎng)絡(luò)？探究性問(wèn)題Keras中的卷積神經(jīng)網(wǎng)絡(luò)是如何處理輸入數(shù)據(jù)的？卷積神經(jīng)網(wǎng)絡(luò)有哪些主要的卷積層和池化層？為什么神經(jīng)網(wǎng)絡(luò)優(yōu)化需要反向傳播算法？傳播的是什么？生成對(duì)抗網(wǎng)絡(luò)中的損失函數(shù)有哪些常用的選擇？它們各自有什么優(yōu)勢(shì)和特點(diǎn)？拓展性問(wèn)題卷積神經(jīng)網(wǎng)絡(luò)是否適用于其他類(lèi)型的數(shù)據(jù)，如文本或時(shí)間序列數(shù)據(jù)的處理循環(huán)神經(jīng)網(wǎng)絡(luò)能否應(yīng)用于序列數(shù)據(jù)中的時(shí)間可變長(zhǎng)度問(wèn)題？生成對(duì)抗網(wǎng)絡(luò)是否適用于非圖像類(lèi)數(shù)據(jù)的生成問(wèn)題，如文本生成或音頻生成？主要知識(shí)點(diǎn)、重點(diǎn)與難點(diǎn)主要知識(shí)點(diǎn)卷積神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。生成對(duì)抗網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。重點(diǎn)常用卷積操作、池化層、歸一化層和正則化層的原理及實(shí)現(xiàn)?；诰矸e神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別。循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層。注意力機(jī)制?；谘h(huán)神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制的新聞?wù)诸?lèi)。生成對(duì)抗網(wǎng)絡(luò)的基本原理。卷積生成對(duì)抗網(wǎng)絡(luò)。條件生成對(duì)抗網(wǎng)絡(luò)。難點(diǎn)（1）常用卷積操作、池化層、歸一化層和正則化層的原理及實(shí)現(xiàn)。（2）循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層。（3）注意力機(jī)制。（4）生成對(duì)抗網(wǎng)絡(luò)的基本原理。教學(xué)過(guò)程設(shè)計(jì)理論教學(xué)過(guò)程卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)的概念和原理。卷積操作的數(shù)學(xué)原理。介紹卷積神經(jīng)網(wǎng)絡(luò)的常用網(wǎng)絡(luò)層。基于卷積神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別實(shí)例演示模型的構(gòu)建和訓(xùn)練。介紹常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。模型的保存與加載方法。介紹循環(huán)神經(jīng)網(wǎng)絡(luò)的常用網(wǎng)絡(luò)層。基于循環(huán)神經(jīng)網(wǎng)絡(luò)和SelfAttention網(wǎng)絡(luò)的新聞?wù)诸?lèi)實(shí)例演示模型的構(gòu)建和訓(xùn)練。介紹常用生成對(duì)抗網(wǎng)絡(luò)算法及其結(jié)構(gòu)?；谏蓪?duì)抗網(wǎng)絡(luò)的手寫(xiě)數(shù)字生成實(shí)例演示模型的構(gòu)建和訓(xùn)練。實(shí)驗(yàn)教學(xué)過(guò)程安裝Python、Keras和相關(guān)依賴(lài)庫(kù)，確保環(huán)境配置正確。準(zhǔn)備和加載相關(guān)實(shí)例數(shù)據(jù)集。教材與參考資料教材黃可坤，張良均．Keras與深度學(xué)習(xí)實(shí)戰(zhàn)[M]．北京：人民郵電出版社，2023．參考資料[1] 陳屹，神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實(shí)戰(zhàn)：Python+Keras+TensorFlow[M].北京：機(jī)械工業(yè)出版社，2019.[2] 邱錫鵬，神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)[M].北京：機(jī)械工業(yè)出版社，2020.[3] 吳岸城.神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)[M].北京：電子工業(yè)出版社,2016.第4章基于CNN的目標(biāo)檢測(cè)教案課程名稱(chēng)：人工智能課程類(lèi)別：必修適用專(zhuān)業(yè)：人工智能相關(guān)專(zhuān)業(yè)總學(xué)時(shí)：48學(xué)時(shí)（其中理論30學(xué)時(shí)，實(shí)驗(yàn)18學(xué)時(shí)）總學(xué)分：3.0學(xué)分本章學(xué)時(shí)：4學(xué)時(shí)材料清單《Keras與深度學(xué)習(xí)實(shí)戰(zhàn)》教材。配套PPT。引導(dǎo)性提問(wèn)。探究性問(wèn)題。拓展性問(wèn)題。教學(xué)目標(biāo)與基本要求教學(xué)目標(biāo)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)和人工智能研究領(lǐng)域的一個(gè)熱門(mén)研究方向，它旨在對(duì)圖片或視頻中出現(xiàn)的感興趣目標(biāo)進(jìn)行識(shí)別，判斷目標(biāo)的類(lèi)別并指出目標(biāo)在圖片或視頻中的位置和大小。本章將以RetinaNet網(wǎng)絡(luò)為例，對(duì)目標(biāo)識(shí)別的背景和原理進(jìn)行介紹，并結(jié)合代碼對(duì)RetinaNet網(wǎng)絡(luò)的實(shí)現(xiàn)過(guò)程進(jìn)行講解。基本要求了解目標(biāo)檢測(cè)背景和基本概念。理解目標(biāo)檢測(cè)原理和思想。掌握RetinaNet網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練和測(cè)試方法。問(wèn)題引導(dǎo)性提問(wèn)引導(dǎo)性提問(wèn)需要教師根據(jù)教材內(nèi)容和學(xué)生實(shí)際水平，提出問(wèn)題，啟發(fā)引導(dǎo)學(xué)生去解決問(wèn)題，提問(wèn)，從而達(dá)到理解、掌握知識(shí)，發(fā)展各種能力和提高思想覺(jué)悟的目的。目標(biāo)檢測(cè)能夠做什么？現(xiàn)實(shí)生活中存在哪些目標(biāo)檢測(cè)技術(shù)？該如何進(jìn)行目標(biāo)檢測(cè)？神經(jīng)網(wǎng)絡(luò)有哪些優(yōu)勢(shì)？探究性問(wèn)題探究性問(wèn)題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計(jì)，提問(wèn)的角度或者在引導(dǎo)性提問(wèn)的基礎(chǔ)上，從重點(diǎn)、難點(diǎn)問(wèn)題切入，進(jìn)行插入式提問(wèn)?；蛘呤菍?duì)引導(dǎo)式提問(wèn)中尚未涉及但在課文中又是重要的問(wèn)題加以設(shè)問(wèn)。RetinaNet網(wǎng)絡(luò)結(jié)構(gòu)是怎樣構(gòu)成的？RetinaNet網(wǎng)絡(luò)是怎么樣實(shí)現(xiàn)目標(biāo)檢測(cè)的？RetinaNet有哪些優(yōu)缺點(diǎn)？拓展性問(wèn)題拓展性問(wèn)題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動(dòng)態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實(shí)可行的關(guān)乎實(shí)際的可操作問(wèn)題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問(wèn)題。RetinaNet網(wǎng)絡(luò)能不能進(jìn)一步優(yōu)化的？RetinaNet網(wǎng)絡(luò)用于做目標(biāo)檢測(cè)有哪些優(yōu)勢(shì)？如何提供模型的泛化性？主要知識(shí)點(diǎn)、重點(diǎn)與難點(diǎn)主要知識(shí)點(diǎn)目標(biāo)檢測(cè)背景與算法概述。RetinaNet網(wǎng)絡(luò)原理介紹。數(shù)據(jù)集下載和處理。代碼的實(shí)現(xiàn)原理。重點(diǎn)RetinaNet網(wǎng)絡(luò)結(jié)構(gòu)RetinaNet網(wǎng)絡(luò)的實(shí)現(xiàn)過(guò)程難點(diǎn)RetinaNet網(wǎng)絡(luò)原理與實(shí)現(xiàn)。教學(xué)過(guò)程設(shè)計(jì)理論教學(xué)過(guò)程目標(biāo)檢測(cè)的概念及應(yīng)用場(chǎng)景。目標(biāo)檢測(cè)算法的概述。目標(biāo)檢測(cè)的相關(guān)理論介紹。RetinaNet網(wǎng)絡(luò)結(jié)構(gòu)。RetinaNet網(wǎng)絡(luò)的數(shù)據(jù)處理。RetinaNet網(wǎng)絡(luò)的損失函數(shù)。數(shù)據(jù)集的下載和處理。RetinaNet網(wǎng)絡(luò)的代碼構(gòu)建。RetinaNet網(wǎng)絡(luò)的模型訓(xùn)練。RetinaNet網(wǎng)絡(luò)模型的測(cè)試與結(jié)果。實(shí)驗(yàn)教學(xué)過(guò)程在Windows/Linux系統(tǒng)上訓(xùn)練RetinaNet網(wǎng)絡(luò)模型。對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試教