第7课 图像识别技术 课件 2025-2026学年浙教版初中信息科技八年级下册

《图像识别技术》教学课件 浙教版（新教材） · 初中信息技术 · 八年级下册 1.7.2013 同学们好！欢迎来到今天的信息技术课堂。大家有没有想过，手机是如何通过摄像头“认识”我们的脸，又是如何识别出一朵花的名字的？今天，我们将一起揭开这个秘密，走进一个神奇的领域——《图像识别技术》。 ‹#› 情境导入：生活中的“慧眼” 大家来找茬：机器在做什么？ 01. 人脸识别 这位同学在做什么？ 机器是如何知道他是本校学生的？ 02. 拍照识物 当我们外出游玩看到不认识的植物时， 手机是如何帮助我们识别它的？ 03. 扫码录入 快递员叔叔是如何快速录入 成千上万个包裹信息的？ 1.7.2013 上课之前，我们来看几张图片。第一张，同学正在通过学校的人脸识别闸机。第二张，手机正在识别一朵花。第三张，快递员正在扫描包裹。大家思考一下，这些机器是如何做到这些事情的呢？它们背后隐藏着什么共同的技术？ ‹#› 揭开机器“看懂”世界的秘密 刚才我们看到的场景——人脸识别开门、拍照认识花草、扫描快递单， 这些都是我们生活中常见的现象，它们背后都依赖于同一项神奇的人工智能技术—— 图像识别技术 今天，就让我们一起走进《图像识别技术》，探索机器是如何像人一样“看懂”图像的。 1.7.2013 没错，这些场景背后都依赖于同一项神奇的技术——图像识别技术。它就像给机器装上了一双“慧眼”，让它们能够看懂我们周围的世界。今天，我们就将一起深入学习这项技术，了解它的原理和应用。 ‹#› 本节课，我们将掌握... 信息意识 了解图像识别技术在生活中的广泛应用，感受技术带来的便捷与价值。 计算思维 理解图像识别的基本流程，初步建立“机器通过特征判断事物”的底层逻辑思维。 数字化学习与创新 学会使用在线工具体验图像识别的过程，并能尝试分析影响识别效果的关键因素。 信息社会责任 认识技术的双面性，树立正确的价值观，增强保护个人隐私和数据安全的意识。 1.7.2013 通过本节课的学习，我们希望大家能够达到四个目标：首先，要了解这项技术在生活中的应用；其次，要理解它的基本工作流程；再次，要学会动手体验这项技术；最后，也是非常重要的一点，要树立信息安全和社会责任意识。 ‹#› 核心概念：机器的“火眼金睛” 01 / 定义 图像识别技术是人工智能的重要分支，它赋予计算机“视觉”能力。 就像人通过眼睛看世界，机器通过摄像头、扫描仪等设备“看”到图像，随后利用算法对其进行分析处理，最终精准识别出画面中的物体、文字、场景及各种细节。 02 / 本质 模拟人类的 视觉感知能力 03 / 类比讲解 人类 眼睛 (采集) → 大脑 (分析判断) 机器 摄像头/扫描仪 (采集) → 算法 (分析判断) 1.7.2013 那么，到底什么是图像识别技术呢？简单来说，它就是让计算机模拟我们人类的视觉能力。我们用眼睛看，用大脑思考；而机器则用摄像头采集图像，用程序来分析判断。这个过程，就是图像识别。 ‹#› 生活中的图像识别（一）：生活娱乐 人脸解锁 手机、电脑、智能门锁，刷一下脸就能解锁，既方便又安全，已成为智能终端的标配功能。 扫码支付 无论是超市购物、乘坐公交地铁，还是街边小店，扫描二维码即可完成支付，让我们真正告别了现金和银行卡。 拍照识物 遇到不认识的动植物、地标建筑、甚至商品，只需拿出手机拍张照，就能立刻获取详细信息，成为行走的百科全书。 AI绘画识别 上传一张随手画的简笔画或照片，AI能精准识别内容，并生成不同风格、更高画质的艺术作品，激发无限的创作乐趣。 1.7.2013 图像识别技术已经渗透到我们生活的方方面面。在生活娱乐方面，人脸解锁让我们的设备更安全，扫码支付让消费更便捷，拍照识物帮我们认识世界，甚至还有AI绘画识别这样有趣的应用。这些功能都让我们的生活变得更加智能和丰富多彩。 ‹#› 生活中的图像识别（二）：学习教育 文字识别 (OCR) 将图片中的文字、手写笔记快速转换成可编辑的电子文本，方便摘抄和整理。 作业拍照批改 老师只需用手机扫描学生作业，系统就能自动判断客观题的对错，大大提高批改效率。 公式识别 快速识别复杂的数学、物理公式，避免繁琐的手动输入，极大方便了文档的录入和编辑。 1.7.2013 在学习教育领域，图像识别同样是我们的好帮手。OCR技术可以把图片上的文字变成可编辑的文档，作业拍照批改大大减轻了老师的负担，公式识别则让我们录入复杂公式变得非常简单。 ‹#› 生活中的图像识别（三）：社会管理 交通违章抓拍 路口的摄像头自动识别闯红灯、压线等违章行为，并记录车牌信息，大幅提升执法效率，保障交通秩序。 安防监控 在机场、车站、商场等人员密集的公共场所，系统能实时识别并预警可疑人员或异常行为，主动防范风险，全方位保障公共安全。 身份证识别 在酒店入住、银行开户等高频生活场景中，通过高精度OCR扫描身份证快速读取并核验个人信息，大幅缩短登记时间，优化服务体验。 1.7.2013 在社会管理方面，图像识别技术就像城市的“智慧大脑”，让城市治理更加精准、高效。路口的电子警察，利用它能自动抓拍违章行为，有效缓解了警力不足的问题。在机场、商场等公共场所，安防监控系统能通过它实时识别异常，守护大家的出行安全。甚至是我们日常入住酒店、去银行办事时，身份证的快速扫描和核验，背后也离不开图像识别技术的支持。这些应用，让我们的社会运转更加有序、便捷。 ‹#› 生活中的图像识别（四）：工业生产 产品缺陷检测 在生产线上，高速摄像头代替人眼，自动检测产品表面的划痕、瑕疵、装配错误等，准确率远超人工。 零件识别与分拣 根据零件的形状、颜色等特征，自动将不同种类的零件分类，实现生产流程的自动化，大幅提高生产效率。 1.7.2013 在工业生产领域，图像识别技术是生产线上的“质检员”。它可以代替人眼，以极高的精度检测产品缺陷，还能自动识别和分拣零件，大大提高了生产效率和质量。 ‹#› 课堂互动：我们身边的图像识别 小组讨论：分享你知道的应用 “除了刚才提到的，大家还能想到哪些图像识别的应用？” 分组讨论 3 分钟，每组派一位代表分享一个你们发现的案例 💡 在此记录同学们分享的精彩案例... 1.7.2013 听了这么多应用案例，大家是不是对图像识别有了更深的认识？现在，请大家分组讨论3分钟，除了老师提到的，你们还能想到哪些身边的图像识别应用？稍后每组派一位代表来分享。 ‹#› 机器“看懂”图像的五个步骤 01 图像采集 利用摄像头、扫描仪等设备，将现实世界的物理图像转化为数字信号。 02 预处理 去除噪声、调整尺寸、灰度化等，提升图像质量，为后续处理做准备。 03 特征提取 提取图像的关键信息，如边缘、角点、纹理或深层语义特征，转化为可计算的数据。 04 匹配识别 将提取的特征与数据库中的已知特征进行比对，通过算法判断相似度。 05 结果输出 将识别结果进行概率计算和逻辑判断，最终输出物体类别、位置或置信度。 💡 形象类比：像认识一个新朋友的过程 先看到他的整体轮廓 (采集) → 仔细看清他的样子 (预处理) → 记住他的五官特征 (特征提取) → 在脑海中与认识的人对比 (匹配识别) → 最后叫出他的名字 (结果输出)。 1.7.2013 了解了应用，我们来深入探究一下原理。机器到底是如何“看懂”图像的呢？主要分为五个步骤：图像采集、预处理、特征提取、匹配识别和结果输出。 这个过程其实和我们认识一个新朋友的过程非常相似： 第一步，采集。就像我们用眼睛捕捉到了对方的样子。 第二步，预处理。这就像我们在光线不足时，会凑近一点，或者在人多的时候，专注于看他的脸，排除周围的干扰。 第三步，特征提取。我们会记住他高挺的鼻梁、大眼睛等独特的五官。 第四步，匹配识别。我们会把这些特征和我们记忆里认识的人做比对，确认这是一个新面孔。 第五步，结果输出。最后，我们通过询问得知了他的名字，完成了对他的识别。 通过这五个步骤，机器就能完成从“看”到“懂”的过程。 ‹#› 流程详解（一）：图像采集 01 / 核心定义 使用摄像头、扫描仪、手机等设备，将现实世界的物理图像转化为计算机能够识别并进行后续处理的数字信号。 02 / 通俗类比 就如同我们人类用眼睛去观察和感知这个世界一样，采集设备就是机器的“眼睛”，负责获取最原始的视觉信息。 03 / 常见设备 • 智能手机前置/后置摄像头 • 安防监控网络摄像头 • 办公文档扫描仪 • 空中视角的无人机航拍器 1.7.2013 第一步是图像采集。就像我们用眼睛看东西一样，机器需要通过摄像头、扫描仪等设备来获取原始图像信息，并把它转换成数字信号，才能进行后续处理。 ‹#› 流程详解（二）：预处理 💡 核心定义：对采集到的原始图像进行基础处理，目的是去除无关干扰信息，突出对识别任务有用的关键特征，为后续的特征提取和分析打下坚实基础。 去噪处理 消除图像中由传感器、传输或环境造成的斑点、颗粒或条纹干扰，还原图像真实面貌。 目标裁剪 框选出图像中需要识别的核心主体部分，剔除周围的无效背景，降低后续计算的复杂度。 图像灰度化 将彩色图像转换为黑白（灰度）图像，减少色彩通道的冗余信息，极大简化后续的算法计算。 对比度增强 调整图像的亮度和对比度，让目标物体的轮廓、边缘等关键细节更加突出清晰，易于识别。 生活中的类比：这就好比我们在一个嘈杂、人多的环境中，能够下意识地过滤掉周围的杂音和无关干扰，专注地倾听某一个人的说话声，从而准确理解他想表达的信息。 1.7.2013 第二步是预处理。采集到的原始图像可能有很多干扰，比如噪点、多余的背景。预处理就像是给图像“美颜”，通过去噪、裁剪、灰度化等操作，让图像变得更清晰，更有利于后续分析。 ‹#› 流程详解（三）：特征提取 01. 核心定义（The Core） 这是计算机视觉流程的核心步骤。计算机对图像进行深度分析，自动捕捉并提取物体的关键视觉特征（如形状、颜色、纹理、轮廓、角点等），并将这些人类直观感知的信息转化为计算机可处理的结构化数字信息。 02. 通俗类比（Analogy） 就像人类区分“猫”和“狗”：我们不需要看到完整的动物，而是通过“猫的尖耳朵、长胡须、杏仁状的眼睛”与“狗的脸型、耳朵形状”这些关键特征差异来快速判断。机器也在做同样的事情。 03. 场景示例（Example） 在识别“苹果”时，计算机提取的特征向量可能包含：几何形状上的“高圆度”、颜色通道中的“高红色占比”以及表面纹理的“高光滑度”等一系列量化指标。 1.7.2013 第三步，特征提取，这是整个流程中最核心的一步。计算机需要像我们一样，抓住事物的关键特征，比如人脸的五官位置、苹果的圆形和红色。然后把这些特征转化成数字信息。就像这张图一样，机器会标记出人脸的关键特征点。 ‹#› 流程详解（四）：匹配识别 01 / 定义 将提取出来的特征，与计算机数据库中已经存储的各种物体的特征模型进行对比，寻找匹配项。 02 / 原理 通过算法计算输入特征与数据库模型的相似度，寻找相似度最高的匹配结果。一旦相似度超过预设的阈值，系统即判定识别成功。 03 / 类比 这就像我们看到一个人时，大脑会自动在记忆库中检索认识的人，比对面部特征并找到最像的那一个，最终确认他的身份。 1.7.2013 第四步是匹配识别。计算机将提取出的特征，和自己数据库里存储的各种模型进行对比，找到最相似的那个。这个过程就像我们在脑海里搜索认识的人，来确认对方身份一样。 ‹#› 流程详解（五）：结果输出 核心定义：将计算机匹配、识别分析出的最终数据，转化为人类可直观理解的文字、声音、图像或动作等形式，呈现给用户并提供交互价值。 视觉呈现 在手机屏幕直接显示 “这是一朵玫瑰花” 或展示识别结果列表。 听觉反馈 智能门禁发出 “识别通过，请进” 的语音提示。 数据记录 电子眼抓拍并自动 记录违章车辆的 车牌号码与时间。 1.7.2013 最后一步是结果输出。计算机将匹配的结果，以我们能理解的方式呈现出来，比如在手机屏幕上显示文字，或者发出提示音。这样，一次完整的图像识别就完成了。 ‹#› 完整流程演示：识别一个苹果 01 采集 打开手机相机，对准苹果拍摄一张清晰的照片，获取图像的原始数据。 02 预处理 通过算法自动去除背景干扰，裁剪并保留画面中的核心主体——苹果。 03 特征提取 分析图像数据，提取苹果最关键的特征信息，如圆形轮廓、红色表皮、光滑质感等。 04 匹配识别 将提取的特征与数据库中“苹果”、“橙子”、“西红柿”等模型进行比对，计算相似度。 05 输出结果 经过对比分析，系统确定相似度最高的类别，并在屏幕上显示最终识别结果：苹果。 1.7.2013 我们用一个简单的例子来串联一下整个流程。比如识别一个苹果，首先用手机拍照采集图像，然后预处理去除背景，接着提取它圆形、红色的特征，再和数据库里的模型对比，最后输出“苹果”这个结果。 ‹#› 动手试一试：成为图像识别小能手 工具推荐：百度识图 支持本地上传、截图识别和粘贴图片， 操作简单，识别结果丰富。 任务 01 · 准备工具 打开电脑或手机，访问任意一款在线图像识别工具（如百度识图、谷歌搜图等）。 任务 02 · 实战演练 完成3个小挑战：识别身边的一种植物、一种你喜欢的动物（图片），以及一件日常学习用品。 任务 03 · 记录结果 将每次的识别结果记录下来，对比AI给出的答案和你自己的认知是否一致。 1.7.2013 理论学习完了，现在到了动手实践环节！请大家打开电脑或手机，访问百度识图等在线工具。完成三个小任务：识别一种植物、一种动物和一个学习用品，并记录下结果。让我们来体验一下当图像识别小能手的感觉！ ‹#› 思考与讨论：什么影响了识别效果？ 在操作过程中，你遇到识别失败或不准确的情况了吗？ 小组讨论：哪些因素可能会影响图像识别的准确率？ 图像清晰度 模糊的图片难以提取关键特征，细节丢失严重会直接导致识别失败。 光线条件 过暗、过曝或逆光环境都会影响成像质量，导致颜色和纹理特征失真。 物体遮挡 目标物体被其他物体部分遮挡，会丢失关键部位特征，干扰模型判断。 角度问题 从非常规角度拍摄会改变物体的视觉形态，可能超出模型的训练覆盖范围。 背景复杂 背景杂乱、颜色与目标物体相近时，会增加干扰，增加特征提取的难度。 1.7.2013 在实践过程中，大家有没有遇到识别失败或者不准确的情况？这说明识别效果是会受到影响的。现在请大家小组讨论一下，你认为哪些因素会影响图像识别的准确率？比如图片清晰度、光线、遮挡等等。 ‹#› 分享你的发现 识别回顾与挑战 “哪位同学愿意分享一下你的识别结果？过程中遇到了哪些困难或问题？” 策略探讨 “结合你的操作体验，你认为怎样才能提高识别的成功率？有什么优化建议吗？” 💡 课堂记录板 在此处记录学生分享的关键结论、识别技巧与避坑指南... 1.7.2013 讨论结束，哪位同学愿意来分享一下你的识别结果和遇到的问题？你认为在实际操作中，怎样才能提高识别的成功率呢？我们可以把大家的智慧结晶记录在下方的白板区域。 ‹#› 回顾：图像识别的流程 通过刚才的动手实践，我们可以更直观地将操作与理论结合，来回顾图像识别的核心步骤。 Q1：寻找对应关系 在我们的操作中，第一步“上传图片”，在计算机看来，它具体对应了图像识别全流程中的哪一个环节？ Q2：拆解系统“黑盒” 我们点击“识别”后，屏幕上一闪而过的“系统分析”，实际上在后台快速完成了图像识别的哪些关键子步骤？ 💡 思考提示：试着把刚才的“实践操作”动作，一一对应到我们学习的“理论流程”中去！ 1.7.2013 通过刚才的实践，我们对理论流程有了更深刻的理解。现在我们来回顾一下，我们刚才操作中的“上传图片”对应哪个环节？“系统分析”又包含了哪些环节呢？大家可以把实践和理论对应起来思考。 ‹#› 图像识别技术的巨大价值 01 提高生活效率 图像识别技术正在重塑生活方式，从智能相册的自动分类到智慧零售的无感支付，大幅简化了繁琐流程，让衣食住行更便捷、更智能。 02 助力社会管理 赋能智慧城市与安防体系，快速识别并分析海量监控视频，实现异常行为自动预警、城市交通流量智能调控，显著提升公共安全水平和社会治理效率。 03 推动科技进步 在医疗影像诊断、自动驾驶视觉感知、工业制造精密检测等关键领域，成为技术创新的核心驱动力，推动行业向智能化与自动化加速迈进。 1.7.2013 我们已经了解了图像识别的原理和应用，它的价值是巨大的。它不仅提高了我们的生活效率，助力了社会管理，更在医疗、自动驾驶等前沿科技领域发挥着至关重要的作用，推动着整个社会的进步。 ‹#› 硬币的另一面：技术带来的挑战 隐私泄露 人脸信息、个人照片等生物特征数据一旦被滥用，可能导致个人隐私泄露，造成难以挽回的后果。 数据安全 大量高价值的图像数据，在采集、传输、存储及分析的全生命周期中，均存在被非法窃取和恶意利用的风险。 技术滥用 AI换脸、深度伪造等技术门槛降低，若被恶意用于制作虚假视频或信息，将严重扰乱社会秩序，损害公众信任。 1.7.2013 但是，任何技术都有两面性。图像识别技术在带来便利的同时，也带来了一些挑战。比如我们的人脸信息可能被泄露，数据存在安全风险，甚至像AI换脸这样的技术可能被滥用，制造虚假信息。 ‹#› 小组讨论：如何保护我们的图像信息？ 争做负责任的数字公民 讨论问题 01 生活中，我们应该如何保护自己的人脸、照片等图像信息，避免被恶意收集或滥用？ 讨论问题 02 作为中学生，我们应该如何在享受便利的同时，正确、合规地使用图像识别技术？ 1.7.2013 面对这些挑战，我们应该怎么做呢？现在请大家再次分组讨论，我们应该如何保护自己的图像信息？作为中学生，我们又应该如何正确地使用这项技术呢？让我们争做负责任的数字公民。 ‹#› 我们的共识 保护隐私 • 不随意在陌生或不可信的App中上传人脸照片。 • 谨慎发布包含他人清晰面部的照片到网络。 • 定期检查App的权限设置，关闭不必要的摄像头权限。 正确使用 • 遵守法律法规，不利用技术侵犯他人隐私。 • 不制作和传播虚假、有害的图像内容。 • 选择正规、可信的平台使用图像识别服务。 1.7.2013 经过讨论，我们达成了一些共识。在保护隐私方面，我们要谨慎上传个人照片，管理好App权限。在正确使用方面，我们要遵守法律，不传播虚假信息，选择正规平台。这些都是我们作为数字公民应尽的责任。 ‹#› 警惕“眼见不一定为实” 通过AI算法，深度伪造技术能将一个人的脸无缝替换到另一个人的身上，生成的视频往往肉眼难以分辨真伪。 什么是“深度伪造”？ 一种基于深度学习的AI合成技术，能以假乱真地替换图片或视频中的人脸，修改语音，甚至生成全新的虚拟人物。 正面应用：创意赋能 电影特效、游戏角色制作、历史人物“复活”等。 负面风险：真假难辨 虚假新闻传播、身份盗用、电信诈骗等。 提升辨别力，不盲从、不传播 面对网络上的“惊人视频”，保持独立思考，多方求证。 1.7.2013 这里要特别提一下“深度伪造”技术，也就是大家常说的AI换脸。这项技术可以以假乱真，虽然有正面应用，比如电影特效，但也可能被用于制作虚假新闻甚至进行诈骗。所以我们一定要记住，眼见不一定为实，要学会辨别信息的真伪。 ‹#› 知识大闯关（基础篇） 01. 填空题 图像识别技术的本质是让计算机模拟人类的 ________ 能力。 提示：从感知与认知角度思考 02. 排序题 请将图像识别的基本流程按正确顺序排列： A. 匹配识别 B. 图像采集 C. 结果输出 D. 特征提取 E. 预处理 03. 列举题 请列举出图像识别技术在社会管理领域的两个应用案例。 提示：交通、安防、环保等领域 1.7.2013 好了，学习了这么多知识，我们来进行一个知识大闯关，检验一下大家的学习成果。请看基础篇的题目，包括填空、排序和列举题，大家快速思考一下答案。 ‹#› 知识大闯关（提升篇） 01 分析题 结合今天所学，简述“人脸识别门禁”系统的工作流程，并说明在使用过程中如何保护好自己的人脸信息安全。 02 开放题 你认为未来图像识别技术还会在哪些领域给我们的生活带来巨大改变？请发挥想象，提出一个创意应用。 1.7.2013 基础题难不倒大家，我们来看提升篇的题目。这是一道分析题和一道开放题，需要大家结合今天所学的知识进行思考和发挥。请大家认真作答。 ‹#› 参考答案 基础题答案 01. 核心概念：视觉感知 02. 逻辑排序：B → E → D → A → C 03. 应用举例：交通违章抓拍、安防监控、身份证识别、医疗影像分析等（任选其二作答即可）。 提升题思路点拨 🔍 分析题 · 构建完整流程 作答关键在于涵盖从“数据采集、预处理、特征提取、模型推理到结果输出”的五个关键步骤；同时，必须结合数据加密、脱敏、权限控制等技术阐述对用户隐私的保护措施。 💡 开放题 · 拓展应用场景 鼓励跳出传统认知，在智慧医疗（病灶识别）、智慧教育（课堂行为分析）、环保监测（污染源识别）、文化娱乐（AI绘图/特效生成）等创新领域展开想象，重点阐述技术如何解决实际痛点。 1.7.2013 现在我们来公布答案。基础题的答案大家都做对了吗？第一题的核心概念是“视觉感知”；第二题逻辑排序为B到E到D再到A最后是C；第三题列举的应用场景很多，交通抓拍、安防监控、身份证识别都是非常典型的例子。 提升题没有标准答案，老师在这里给大家一些思路点拨。对于分析题，大家的流程描述要尽量完整，并且不要遗漏了对“隐私保护”这一关键要素的思考。对于开放题，不要只局限于我们课上讲的几个例子，大家可以大胆地结合自己的生活经验，在医疗、教育、环保、娱乐等领域去畅想AI视觉技术能带来的改变。希望能启发大家更深入地思考。 ‹#› 本课回顾：我们学到了什么？ 01 1个 核心概念 图像识别技术，即让机器模拟人类视觉感知，去“看懂”和理解图片中的内容。 02 1条 核心流程 图像采集 → 预处理 → 特征提取 → 匹配识别 → 结果输出，构成完整的技术链路。 03 3类 应用领域 覆盖了日常生活的方方面面： 生活娱乐、学习教育、社会管理。 04 1个 核心意识 在享受技术便利的同时，要理性看待技术，时刻注意保护个人隐私，坚持合法合规使用。 1.7.2013 课程接近尾声，我们来回顾一下今天都学到了什么。我们掌握了一个核心概念，理解了一条核心流程，了解了三大应用领域，更重要的是，树立了一个核心意识——理性看待技术，保护隐私。 ‹#› 做有素养、有责任的数字公民 看见技术的“眼睛” “图像识别技术是人工智能的‘眼睛’，它正在深刻地改变着我们的世界。” 树立责任与技术观 “希望同学们不仅能享受技术带来的便利，更能理解技术背后的原理，树立正确的技术观和责任意识。” 守护数字家园 “未来，希望你们能成为技术的主人，用它来创造更美好的生活，同时守护好我们共同的数字家园。” 1.7.2013 图像识别技术是人工智能的“眼睛”，它正在深刻地改变世界。希望同学们通过这节课，不仅能享受技术的便利，更能理解原理，树立正确的技术观和责任意识。未来，希望你们能成为技术的主人，创造更美好的生活，守护好我们的数字家园。 ‹#› 感谢聆听！ 期待与您再次相遇 · SEE YOU NEXT TIME 1.7.2013 今天的课程到此结束，感谢同学们的认真聆听和积极参与！下课！ ‹#› $