项目九第四课时评估手写识别模型并开展应用 教案--2020-2021学年高中信息技术沪科版(2019)必修1

| 4页
| 1886人阅读
| 2758人下载
普通

 

 

 

项目九 了解手写数字识别

——体验人工智能

第四课时   评估手写数字识别模型并开展应用

 

■教材分析

“评估手写数字识别模型并开展应用”这一小节,通过用Test集合评估最终模型的识别正确率,引出人工智能的人脸识别、指纹识别等识别技术。这些技术的应用将对我们的社会发展有作怎样的作用和影响。

 

■教学目标

1、知识和技能

了解人工智能的作用和影响。

2、过程与方法

通过评估手写数字识别模型并开展应用,了解人工智能的作用和影响。

3、情感态度与价值观

(1)了解手写数字识别的核心技术———机器学习,感受人工智能技术。学生通过了解人工智能和机器学习的含义、应用及作用,提升对人工智能技术作用的认识,发展信息社会责任;

(2)通过学生通过使用 Python 及其第三方工具进行手写数字识别学习过程的体验,在完成项目的过程中了解人工智能解决问题的思想方法,促进计算思维的形成与发展。

 

■教学重点:

了解人工智能的作用和影响。

■教学难点:

了解人工智能的作用和影响。

 

■教学准备

计算机教室,Python,投影机。

 

 

■教学过程:page number 0


 

 

 

一、评估手写数字识别模型

整个训练结束之后,可以用Test集合评估最终模型的识别正确率。每个测试样本送入模型后,模型会识别出一个结果。如果这个结果和标注信息一致,就是正确的;反之,就是错误的。通过以下代码以输出最终模型对10000测试图片进行识别的正确率。迭代次数为10000次时,最终模型的别正确率通常在99%以上。

 

二、未知样本的识别过程

识别正确率经评估达到要求的模型,就可以作为识别器,应用于对未知样本的识别。具体过程如图所示。

1603260495(1)

 

思考与讨论

1.为什么需要对样本进行标注?训练样本和测试样本的标注各有什么用处

2.除了识别正确率外,还有什么指标可以评价模型的优劣?

3.用Test集合评估出的正确率就是现实情况中的正确率吗?

三、手写识别应用

手写数字识别是一个分类问题,一共有10个类别。在深度学习的卷积神经网络中,一般不会直接给出该样本是哪个数字的结论,而是会给出该样本是各个数字的可能性即概率分别有多大,然后根据实际需要去判定结果。一般来说,概率最大的那个类别就会被认为是当前样本的识别结果。

手写数字识别已经被应用于邮政编码、财务报表、银行票据等的自动识别,极大地节省了人力和物力,提升了工作效率。手写汉字识别也取得了重大突破,如可识别手写汉字地址的“基于多源信息融合的邮件分拣关键技术及应用”就荣获了2015年上海市科技进步一等奖,被广泛应用于邮件的自动page number 1


由于学科网是一个信息分享及获取的平台,不确保部分用户上传资料的 来源及知识产权归属。如您发现相关资料侵犯您的合法权益,请联系学科网,我们核实后将及时进行处理。