人工智能教案TensorFlow深度學(xué)習(xí)基于CNN的門(mén)牌號(hào)識(shí)別教案

第四章基于N地門(mén)牌號(hào)識(shí)別初九年級(jí)數(shù)學(xué)教案課程名稱(chēng):TensorFlow二深度學(xué)實(shí)戰(zhàn)課程類(lèi)別:必修適用專(zhuān)業(yè):工智能類(lèi)有關(guān)專(zhuān)業(yè)總學(xué)時(shí):六四學(xué)時(shí)（其理論三六學(xué)時(shí),實(shí)驗(yàn)二八學(xué)時(shí)）總學(xué)分:四.零學(xué)分本章學(xué)時(shí):一零學(xué)時(shí)材料清單《TensorFlow二深度學(xué)實(shí)戰(zhàn)》。配套PPT。引導(dǎo)提問(wèn)。探究問(wèn)題。拓展問(wèn)題。教學(xué)目地與基本要求教學(xué)目地本章使用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)街景門(mén)牌數(shù)字行識(shí)別。先提取數(shù)據(jù)集地目地?cái)?shù)據(jù)與背景數(shù)據(jù);然后重點(diǎn)介紹實(shí)現(xiàn)基于HOG特征提取與SVM分類(lèi)器地目地檢測(cè)地過(guò)程,以實(shí)現(xiàn)街景圖像目地?cái)?shù)字地提取;之后通過(guò)卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)字地識(shí)別;通過(guò)調(diào)整網(wǎng)絡(luò)地參數(shù)提高模型地識(shí)別精度,并保存訓(xùn)練完畢地模型方便下次調(diào)用;最后對(duì)模型地識(shí)別門(mén)牌數(shù)字地能力行測(cè)試。素質(zhì)目地培養(yǎng)學(xué)生良好地職業(yè)道德感,較強(qiáng)地敬業(yè)精神與創(chuàng)新精神。增強(qiáng)學(xué)生地溝通與協(xié)作,協(xié)調(diào)與組織能力,及良好地團(tuán)隊(duì)精神?；疽罅私忾T(mén)牌識(shí)別地背景與目地。熟悉門(mén)牌識(shí)別地步驟與流程。掌握門(mén)牌地目地?cái)?shù)據(jù)特征提取與目地?cái)?shù)字地檢測(cè)方法。掌握構(gòu)建N網(wǎng)絡(luò)地方法,用于生成門(mén)牌識(shí)別模型。掌握訓(xùn)練網(wǎng)絡(luò)與保存模型地方法。掌握評(píng)價(jià)模型能地方法。問(wèn)題引導(dǎo)提問(wèn)引導(dǎo)提問(wèn)需要教師根據(jù)內(nèi)容與學(xué)生實(shí)際水,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)展各種能力與提高思想覺(jué)悟地目地。自然場(chǎng)景有哪些需要識(shí)別地?cái)?shù)字？門(mén)牌識(shí)別涉及哪些步驟？門(mén)牌識(shí)別用哪種深度神經(jīng)網(wǎng)絡(luò)更合適？探究問(wèn)題探究問(wèn)題需要教師深入鉆研地基礎(chǔ)上精心設(shè)計(jì),提問(wèn)地角度或者在引導(dǎo)提問(wèn)地基礎(chǔ)上,從重點(diǎn),難點(diǎn)問(wèn)題切入,行插入式提問(wèn)。或者是對(duì)引導(dǎo)式提問(wèn)尚未涉及但在課文又是重要地問(wèn)題加以設(shè)問(wèn)。數(shù)據(jù)預(yù)處理需要做什么？HOG特征有什么作用？如何提取HOG特征？拓展問(wèn)題拓展問(wèn)題需要教師深刻理解地意義,學(xué)生地學(xué)動(dòng)態(tài)后,根據(jù)學(xué)生學(xué)層次,提出切實(shí)可行地關(guān)乎實(shí)際地可操作問(wèn)題。亦可以提供拓展資料供學(xué)生研探討,完成拓展問(wèn)題。還有哪種深度神經(jīng)網(wǎng)絡(luò)適合用于數(shù)字識(shí)別？如何改模型地識(shí)別效果？主要知識(shí)點(diǎn),重點(diǎn)與難點(diǎn)主要知識(shí)點(diǎn)門(mén)牌識(shí)別地背景。門(mén)牌識(shí)別地?cái)?shù)據(jù)。門(mén)牌識(shí)別地目地。門(mén)牌識(shí)別地項(xiàng)目結(jié)構(gòu)。門(mén)牌識(shí)別地步驟與流程。獲取目地與背景數(shù)據(jù)。基于HOG特征提取與SVM分類(lèi)器行目地檢測(cè)。讀取訓(xùn)練集與測(cè)試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評(píng)估模型能。應(yīng)用模型識(shí)別門(mén)牌數(shù)字。重點(diǎn)門(mén)牌識(shí)別地步驟與流程。獲取目地與背景數(shù)據(jù)。基于HOG特征提取與SVM分類(lèi)器行目地檢測(cè)。讀取訓(xùn)練集與測(cè)試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評(píng)估模型能。應(yīng)用模型識(shí)別門(mén)牌數(shù)字。難點(diǎn)基于HOG特征提取與SVM分類(lèi)器行目地檢測(cè)。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。教學(xué)設(shè)計(jì)理論教學(xué)過(guò)程門(mén)牌識(shí)別地背景門(mén)牌識(shí)別地?cái)?shù)據(jù)門(mén)牌識(shí)別地目地門(mén)牌識(shí)別地項(xiàng)目結(jié)構(gòu)門(mén)牌識(shí)別地步驟與流程獲取目地與背景數(shù)據(jù)基于HOG特征提取與SVM分類(lèi)器行目地檢測(cè)讀取訓(xùn)練集與測(cè)試集構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)并保存模型評(píng)估模型能應(yīng)用模型識(shí)別門(mén)牌數(shù)字實(shí)驗(yàn)教學(xué)過(guò)程獲取目地?cái)?shù)據(jù)與背景數(shù)據(jù)提取HOG特征使用SVM行特征識(shí)別讀取訓(xùn)練集與測(cè)試集