深度学习课程研究性实验教学设计

2021-07-07 05:29李艳凤陈后金
教育教学论坛 2021年19期
关键词:目标检测深度学习

李艳凤 陈后金

[摘 要] 深度学习作为机器学习的一个新分支,在学术界和工业界受到了廣泛的关注。深度学习是一门理论与实践紧密结合的课程,为增强学生利用深度学习理论和方法解决工程实际问题的能力,探索与实践了研究性实验教学。以“基于Faster R-CNN的乳腺X线图像肿块检测”内容为例,基于前沿的、有实际价值的科研项目,按照高阶性和创新性的目标设计实验内容。通过研究性实验教学,加深了学生对课程相关理论的理解与应用,增强了学生的高阶思维能力和创新能力。

[关键词] 深度学习;目标检测;研究性实验教学

[基金项目] 2020年度教育部新工科研究与实践项目“面向新工科的信号与信息系统系列课程改革”(E-DZYQ20201402);2020年度北京交通大学研究生优质核心课程及教育教学改革项目“‘深度学习课程建设”(134793522);2019年度北京交通大学教改项目“模式识别与机器学习慕课建设与应用”(356369535)

[作者简介] 李艳凤(1988—),女,河北廊坊人,博士,北京交通大学电子信息工程学院副教授,主要从事信号与信息处理及模式识别研究。

[中图分类号] G420   [文献标识码] A   [文章编号] 1674-9324(2021)19-0137-04      [收稿日期] 2020-12-17

为主动应对、适应并引领新一轮科技革命和产业革命,国家提出了以信息化和智能化为主要特征的新工科战略。在新一代人工智能阶段,国家高度重视发展人工智能。在此背景下,社会对电子信息类人才的需求也发生了改变[1],社会需要具有深厚理论基础、多学科综合能力及创新能力的优秀人才。深度学习作为机器学习的一个新分支,在学术界和工业界受到了广泛的关注,其在信息处理、智能控制及智能通信等领域具有良好的应用前景,掌握深度学习新理论和新技术有利于电子信息类学生紧跟时代发展。

“深度学习”是一门理论与实践紧密结合的课程。以验证性内容为主的实验,导致学生的实践能力普遍偏低,难以适应当今社会发展的形势[2]。为增强学生理论联系实际、解决复杂工程问题的能力,培养学生的创新意识,基于实际工程问题的研究性实验教学尤为重要。研究性实验教学是一种激发自主学习意识、锻炼解决问题能力、培养科研创新思维的教学模式[3],不仅要求学生加深对课程相关理论的理解,还要求学生加强对相关理论的实际应用[4],使学生由被动接受知识转变为主动和互动获取知识,由侧重理解问题转换为侧重发现问题。据此在“深度学习”课程中,探索并实践了面向工程实际问题的研究性实验教学,以“基于Faster R-CNN的乳腺X线图像肿块检测”研究性实验为例,给出具体的实验教学设计与实施过程。

一、研究性实验工程背景

研究性实验的工程背景体现了课程内容在实际工程中的应用,工程背景可以取材于前沿的、有实际价值的科研项目,这样不仅能够激发学生的学习兴趣,而且能够指导学生解决现有的科学问题[5]。本实验的工程背景取材于课程组负责的国家自然科学基金项目,在该项目中,需要研究乳腺X线图像中的肿块检测,以减轻医师的工作强度,提高乳腺癌检查的准确性。该内容正是目标检测内容在智能医疗领域的典型应用,因此以该项目提炼本次研究性实验的工程背景,从基于人工智能技术的乳腺X线图像肿块检测意义及基于深度学习的目标检测网络两个方面进行介绍。

(一)基于人工智能技术的乳腺X线图像肿块检测意义

乳腺癌是女性最常见的疾病,在我国每年新诊断的癌症中,乳腺癌的发病率占12%。早期的乳腺肿块筛查是降低乳腺癌死亡率和提高治愈率的有效方式。在众多乳腺摄影技术中,乳腺钼靶X线摄影术是目前最有效的肿块筛查手段之一。每年进行乳腺X线摄影筛查产生大量的乳腺X线图像,由于乳腺X线图像结构复杂,肿块的边界、大小、纹理和形状差异较大,且正常的乳腺组织与肿块组织没有明确的界限,因此正确地检测乳腺图像中的肿块区域相对困难。考虑到视觉疲劳和经验等相关因素,放射性医师单独阅片对乳腺癌检查的敏感度为84%,特异性为91%。为了减轻医师的工作强度,同时提高乳腺癌检查的准确性,计算机辅助诊断(Computer Aided Diagnosis,CAD)系统逐渐被研究用于乳腺癌检测中。相比于传统机器学习方法,深度学习方法在目标检测、语义分割和物体分类任务中表现出更大的优势,因此将深度学习方法应用于乳腺X线图像肿块检测成为目前的研究热点。

(二)基于深度学习的目标检测网络

Faster R-CNN[6]作为一种主流的二阶段检测网络,其在目标检测中具有良好的性能。该网络主要由区域建议网络(Region Proposal Network, RPN)和Fast R-CNN检测器构成。区域建议网络用于生成目标候选区域,Fast R-CNN检测器对RPN的输出结果做更加精细的处理,对目标候选区域进行分类和回归位置,提高检测精度。

二、研究性实验内容

实验内容是研究性实验教学的具体实施部分,需要具有一定的高阶性和创新性。为了达到高阶性的要求,实验内容设计应关注课程相关知识的理解及将其用于解决工程问题的能力两个目标。因此,“基于Faster R-CNN的乳腺X线图像肿块检测”实验内容的设计目标包括:(1)强化目标检测网络用于不同目标检测任务的具体设置;(2)掌握不同特征提取网络的选取方法;(3)培养学生将理论分析与实际应用相结合的素质,提高学生的工程实践能力。高阶性的实验内容包括:数据扩增、特征提取网络选择及预选框优化。在创新性实验内容设置上,对学生应用Faster R-CNN的能力提出更高的要求。在实验内容设计上,逐步加大实验内容的难度,学生需要开展自主性学习,通过文献查阅、小组讨论,对Faster R-CNN进行改进。创新性实验的具体内容包括:去除RPN网络、去除目标分类和精细位置回归、级联多次位置回归。

猜你喜欢
目标检测深度学习
有体验的学习才是有意义的学习
MOOC与翻转课堂融合的深度学习场域建构
大数据技术在反恐怖主义中的应用展望
移动机器人图像目标识别
一种改进的峰均功率比判源方法