打造基于產(chǎn)教融合的就業(yè)育人綜合服務(wù)平臺打造基于產(chǎn)教融合的就業(yè)育人綜合服務(wù)平臺項目5基于CNN的門牌號識別教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：10學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標(biāo)與基本要求教學(xué)目標(biāo)本章使用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)對街景門牌數(shù)字進行識別。先提取數(shù)據(jù)集中的目標(biāo)數(shù)據(jù)和背景數(shù)據(jù)；然后重點介紹實現(xiàn)基于HOG特征提取和SVM分類器的目標(biāo)檢測的過程，以實現(xiàn)街景圖像中目標(biāo)數(shù)字的提?。恢笸ㄟ^卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)數(shù)字的識別；通過調(diào)整網(wǎng)絡(luò)的參數(shù)提高模型的識別精度，并保存訓(xùn)練完畢的模型方便下次調(diào)用；最后對模型的識別門牌數(shù)字的能力進行測試。素質(zhì)目標(biāo)能夠理解圖像識別的主要流程，理解各步驟之間的聯(lián)系和對后續(xù)步驟的影響，將不同步驟中涉及的技術(shù)有效整合到一起，提升技術(shù)整合能力。通過實現(xiàn)門牌號自動識別，認(rèn)識到圖像識別技術(shù)在緊急救援、社區(qū)管理、智慧城市建設(shè)中的應(yīng)用，理解技術(shù)人員的職業(yè)素養(yǎng)和社會責(zé)任?；疽罅私忾T牌識別的背景和目標(biāo)。熟悉門牌識別的步驟和流程。掌握門牌的目標(biāo)數(shù)據(jù)特征提取和目標(biāo)數(shù)字的檢測方法。掌握構(gòu)建CNN網(wǎng)絡(luò)的方法，用于生成門牌識別模型。掌握訓(xùn)練網(wǎng)絡(luò)和保存模型的方法。掌握評價模型性能的方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。自然場景中有哪些需要識別的數(shù)字？門牌識別涉及哪些步驟？門牌識別用哪種深度神經(jīng)網(wǎng)絡(luò)更合適？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。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？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。還有哪種深度神經(jīng)網(wǎng)絡(luò)適合用于數(shù)字識別？如何改進模型的識別效果？主要知識點、重點與難點主要知識點門牌識別的背景。門牌識別的數(shù)據(jù)。門牌識別的目標(biāo)。門牌識別的項目結(jié)構(gòu)。門牌識別的步驟和流程。獲取目標(biāo)與背景數(shù)據(jù)。基于HOG特征提取與SVM分類器進行目標(biāo)檢測。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。應(yīng)用模型識別門牌數(shù)字。重點門牌識別的步驟和流程。獲取目標(biāo)與背景數(shù)據(jù)?；贖OG特征提取與SVM分類器進行目標(biāo)檢測。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。應(yīng)用模型識別門牌數(shù)字。難點基于HOG特征提取與SVM分類器進行目標(biāo)檢測。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。教學(xué)過程設(shè)計理論教學(xué)過程門牌識別的背景。門牌識別的數(shù)據(jù)。門牌識別的目標(biāo)。門牌識別的步驟和流程。獲取目標(biāo)與背景數(shù)據(jù)?；贖OG特征提取與SVM分類器進行目標(biāo)檢測。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。應(yīng)用模型識別門牌數(shù)字。實驗教學(xué)過程獲取目標(biāo)數(shù)據(jù)和背景數(shù)據(jù)。提取HOG特征。使用SVM進行特征識別。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。使用模型識別門牌數(shù)字。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+K