初中信息技术浙教版（2023）八年级下册第7课 图像识别技术评优课作业ppt课件

这是一份初中信息技术浙教版（2023）八年级下册第7课 图像识别技术评优课作业ppt课件，文件包含第7课图像识别技术教学课件pptx、第7课图像识别技术学习单pptx、第7课图像识别技术教学设计docx、第7课图像识别技术作业设计docx等4份课件配套教学资源，其中PPT共18页， 欢迎下载使用。
浙教版八年级下册信息技术
活动2：图像识别技术的应用场景
活动3：图像识别的过程
活动4：图像识别的实践
图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术。每个图像都有独有的特征。人们在图像识别时,视线往往集中在图像的主要特征上。类似地，图像识别技术通过提取图像的主要特征，排除多余的信息来识别图像。
利用识别文字的APP或软件，将图像中的文字识别为文本形式。
图像识别技术的应用场景
图像识别技术在生活中的应用越来越多。如图7-1所示，在文字识别领域，识别车牌号码、身份证号码、银行卡号码等;在图形识别领域，能快速地鉴别出各种动植物、品牌名称和汽车车型等;在人脸识别领域，可以实现酒店入住登记、火车站人站安检、移动支付、手机解锁和案件侦破等功能。
列举身边利用了图像识别技术的应用案例。
图像识别的过程可以分以下几步:图像信息的获取、预处理、特征抽取、选择分类器并识别出图像（如图7-2)。
1.图像数字化经过采样、量化和编码，将图像转化为计算机能处理的数字化形式。2.预处理预处理主要是指图像处理中的去噪、平滑、变换等操作，从而加强图像的主要特征。图像经过预处理前后的效果对比，如图7-3和图7-4所示。
3．特征提取特征提取是指获取图像主要特征的过程。例如，在人脸识别过程中，人脸器官的形状、它们之间的距离等是图像的主要特征，如图7-5所示。卷积神经网络(Cnvlutinal Neural Netwrk，简称CNN)在图像特征提取上有着非常出色的表现。通过深度学习，卷积神经网络能够以遂层抽象的方式来学习数据中蕴含的特征。卷积神经网络通常由多个顺序连接的层组成。卷积神经网络最初应用于手写数字识别。以识别手写数字3为例，首先具有筛选功能的各种“滤波器”从图像中提取符合备白筛选要求的特征，比如有的“滤波器”提取“横”的信息，有的“滤波器”提取“竖”的信息，有的“滤波器”提取“弯”的信息，而不关注其他信息;下一层中，系统将汇总后的信息经过计算分析，留下主要特征信息，删除次要信息，使特征更明显。如果经过前面两层提取出来的特征还不足以识别图像，则会重复上述过程，直到将原始图像变换为更高层次的、更抽象的特征。如图7-6所示为卷积神经网络图像识别过程示意图。
4.分类并识别分类并识别指计算机先对图像进行种类预测，得到种类分布，再根据种类在相应训练好的模型中，用提取的特征与模型中数据进行匹配，从而得到相应的结论。
人工智能开放平台一般提供若干类别的图像模型，借助这些平台，可以实现不同类别图像的识别。以人工智能开放平台开发工具包为例，识别动物的图片过程如图7-7、7-8所示。
1．从网上收集一种植物的多张图片，利用人工智能开放平台进行识别。2.你知道卷积神经网络除了应用在图像识别技术外，还使用在哪些技术领域?说说它所起的作用。