项目编号：202002142052
项目类型：新工科建设项目
项目实施背景
当前，人工智能已经成为国际竞争的新焦点，其是经济发展的新引擎，给社会带来了新机遇。近几年，国务院、教育部先后出台人工智能发展规划、指导意见，鼓励高校加强AI课程建设。在此背景下，我校于2019年首批获得教育部批准，设立人工智能专业，并于2019年迎来第一批70名本科生。然而，各高校人工智能专业仍然处于探索中，尚未形成统一意见，人工智能专业人才培养仍然面临着诸多困难：
1）人工智能研究处于快速变化过程中，知识体系更新快；
2）人工智能知识碎片化，未成体系；
3）教学内容与企业需求脱节；
4）国际形势复杂，中美科技存在脱钩的风险，人工智能教育相关资源与平台仍然掌握在外国人手中。作为人工智能与大数据专业核心课程——“计算机视觉“尤为如此，例如广泛应用的TensorFlow、Pytorch 与OpenCV 都由A国公司支持与发起。为解决这些问题，本项目探索基于MindSpore平台，实现“计算机视觉“课程改革与实践。
“计算机视觉“是人工智能核心课程之一，其直接受众是我校人工智能与大数据专业4个教学班的学生，约140 人。此外本项目主攻的前沿研究快速转化、系统化培养方法以及以问题为导向的教学方式，也可以推广到人工智能其他课程上。
改革思路及举措
1、项目建设内容：
本课题主要面向人工智能、大数据专业本科生，依托华为MindSpore和ModelArts，探索人工智能专业人才培养，实施“计算机视觉“课程改革与创新，具体研究内容包括：
1）依托MindSpore平台，探索快速实现人工智能知识从前沿研究到教学、实验与创新的迅速转换机制，让学生可以掌握先进人工智能知识，同时转化为实践动手能力，并应用于创新创业活动中，促进学生学习积极性。
2）研究系统化教学知识点方法，从算法底层实现到应用、从语言到工具，面向端边云，系统化“计算机视觉“教学知识点，促进学生对人工智能技术全面、系统的了解。
3）探索协同创新机制，以企业真实需求与问题为导向，设计“计算机视觉“实验与教学内容，引导学生解决企业真实问题，提高学生解决问题的能力，避免所学知识与企业需求脱节。
4）依托MOOC平台，建立在线课程，结合线上教学模式，扩大受益群体，并研究基于翻转课堂的混合教学模式和启发式、参与式教学方法，实现以学生为主体，教师为引导，有助于加深学生参与度，培养学生自主学习能力，提高教学质量。
图1 项目实施框架图
2、实施路径
本项目实施路径如图1所示，其详细步骤如下所示：
1）形成实现人工智能知识转化机制，首先调研Google学术、顶级会议、Papers With Code、GitHub、Gitee等平台，重构“计算机视觉“知识点，确认教学大纲与前沿论文。
2）基于前沿知识更新现有教学大纲、知识点、讲义与习题等。
3）设计以企业真实问题为导向的实验方案。
4）录制MOOC在线微课程视频，建立在线MOOC课程。
5）对教学质量进行评估，形成教研论文，并迭代更新教学内容。
项目成果、创新点及成效
项目在产学合作理念、模式、组织、机制、规范、方法等方面的具体成果、创新点，带动教育教学综合改革，提高人才培养质量。
主要成果包括：
1）自主开发了基于MindSpore与Atlas200开发套件，实现设计面向深度学习的人脸检测与人脸识别两个综合性实验平台。
2）形成了8个芯片与算法协同，硬件与软件协同，云端与终端协同的“计算机视觉系统“能力贯穿实验，编写配套实验指导书与大纲。
表1 实验项目
3）发表《计算机视觉改革探索：面向MindSpore平台与Atlas200的教学实践》、《面向人工智能系统能力培养的<计算机视觉>实验教学改革与实践》论文2篇于CCF推荐期刊——《计算机教育》上。
4）获得2021年、2022年全国计算机教育优秀论文奖，并做汇报。
5）项目于2022年正常结题，被评为优秀项目，同时经武汉理工大学本科生院认定为优秀课题。
6）制作在线资源与视频，以SPOC模式开展线上MOOC课程《计算机视觉》3期，第1期共服务300余人。
7）在授课过程中，编写配套教材《计算机视觉原理》，获批武汉理工大学“十四五”规划教材， 2024年正式出版。
8）获得2022年度教育部-华为协同育人优秀案例。
主要创新点包括：
1）平台建设：自主开发了基于MindSpore平台与Atlas200开发套件，实现设计面向深度学习的人脸检测与人脸识别两个综合性实验平台，涵盖了计算机视觉、操作系统、网络、AI处理器、图像传感器、深度学习与软件开发等学科，特别是覆盖了计算机视觉70%的知识点，解决计算机视觉课程缺乏自主创新教学资源与实验平台的问题；
2）系统能力培养：基于华为昇腾AI技术平台，开发面向深度学习的图像分割、目标检测和人脸识别的企业级端到端应用开发平台，循序渐进，实现系统级贯通。
3）创新教学方法：翻转课堂模式的混合教学，提升教学效率和参与度，让学生自主学习。同时在实践教学实施过程中，采用“五步教学法”，即课前预习、兴趣导入、合作探究、教师点评、拓展延伸。
应用及推广情况
本项目以人工智能行业真实场景案例为需求，基于华为昇腾AI技术和平台，设计并实现面向深度学习的端到端软硬件协同图像识别系统，在每个应用开发项目中，使用不同的深度学习网络进行云端模型训练和Atlas200DK开发板终端推理部署，从底层芯片、深度学习框架、深度学习模型到开发应用进行系统贯通。主要应用推广如下：
1）参加2021年、2022年全国计算机教育大会，并进行主题为《计算机视觉改革探索：面向MindSpore平台与Atlas200的教学实践》、《面向人工智能系统能力培养的<计算机视觉>实验教学改革与实践》的汇报，同时获得大会优秀论文奖。
2）以SPOC模式开展线上MOOC课程《计算机视觉》2期，第1期有157人选课，第2期正在实施过程中。
3）参加2021年计算产业院长论坛，并汇报项目成果。
4）面向武汉理工大学人工智能、大数据专业实施教学，直接受益学生超过300人。
5）课程改革后，绝大多数同学基于华为昇腾技术的深度学习完成图像分割、检测和人脸识别的开发实践项目。
图2学生实验后预期
6）学生全方位能力提升：随着实验的进行，学生的能力有了显著的提高。如系统能力课前自评值为3.79，两次实验后为5.05，8次实验后达到7.9，提升幅度达到108.4%。
图3 实验过程能力自评
7）学生满意度显著提高，实验整体满意度为8.38，NPS值为32.76%，其中满意度为10的占比达32.76%。
图4 学生实验满意度
经验总结
项目按照新工科建设项目要求：企业提供经费和资源，支持学校开展新工科研究与实践，推动校企合作，开展人工智能人才培养探索实践，形成可推广的建设改革成果。学校将产业最新技术进展、行业对人才培养的最新要求引入“计算机视觉“实践过程，推动我校”计算机视觉“课程更新教学内容、完善课程体系，建设适应行业发展需要、可共享的课程、教材、教学案例等资源并推广应用。项目面向人工智能、大数据专业本科生，依托华为Atlas 200开发板、MindSpore和ModelArts，建设计算机视觉教学资源与平台，实施“计算机视觉“课程改革与创新，探索人工智能专业人才培养模式改革，解决”计算机视觉“教学中存在的知识体系更新快、知识体系碎片化、教学内容与企业需求脱节等问题。依托该项目，建设了MOOC在线课程，发表CCF推荐期刊教研论文2篇，获得全国计算机教育大会优秀论文奖2次，直接受益学生超过300人，同时项目结题为优秀。项目后期将进一步出版教材、申请国家一流课程等。
