学科迁移学习法在专业引领实战教学中的探索剖析

许 晓飞(北京信息科技大学自动化学院,中国)
彭 朋(北京信息科技大学自动化学院,中国)
张 问毅(北京信息科技大学自动化学院,中国)

DOI: http://dx.doi.org/10.12349/eri.v1i7.4931

Article ID: 4931

摘要


以工程教育专业认证标准为指导内涵,针对专业引领实战教学中学生易出现畏难情绪状况,提出在工程实践等系列课程中采用类比学科迁移学习教学,以智能小车移动机器人设计为例,阐述学科迁移学习法对课程实践的指导作用,实现类比迁移的课程阶梯式任务教学法的应用探索与实践。实验结果表明,在自制数据集上,改进后的超声波阵列及YOLOv5模型获得较好的平均准确精度得分与定位检测,提供智能视觉识别创新实践类实验案例和教学方法案例有益参考。

关键词


创新实践类;目标识别;超声波阵列及YOLOv5;Distance-IOU;CSPNet;FocalLoss

全文:

PDF

参考


孙洋洋,郭阳宽,张晓青.基于图像处理的多目标特征图像定位检测方法研究[J].仪表技术与传感器,2020(1):92-95.

李小涛. 元宇宙中的学习:融合学习者身份、时空的未来学习图景.远程教育杂志,(2),45-53.

张沿沿等.从知识结构与思维结构看思维评价--基于皮亚杰发生认识论知识观的演绎.电化教育研究,(6),33-38.

GARETH,POWELL.面向工业目标特征图像阅读器应用的低成本高性能图像传感器[J].传感器世界,2020,26(6):39-44.

石则斌,罗雪峰,王隐,闻春敖,蔡佩君.基于卷积神经网络的智能垃圾分拣车[J].实验室研究与探索,2022,41(12):123-126.

宋金华,刘改霞,吴晓军.基于机器视觉的车牌定位与字符识别实验设计[J].实验科学与技术,2023,21(01):37-42.

梅礼坤,陈智利,牛恒.基于改进YOLOv5的坦克目标检测算法[J/OL].激光杂志,2020,23(4):1-7.

于秀萍,吕淑平,陈志韬.基于YOLO算法的多类目标识别[J].实验室研究与探索,2019,38(03):34-36+76.

熊俊涛,郑镇辉,梁嘉恩,钟灼,刘柏林,孙宝霞.基于改进YOLO v3网络的夜间环境柑橘识别方法[J].农业机械学报,2020,51(04):199-206.

张月文,李松恒,张炜,龚远强,邓永胜.基于机器视觉的可回收垃圾智能分拣系统设计[J].实验室研究与探索,2022,41(07):98-103.DOI:10.19927/j.cnki.syyt.2022.07.022.

李青援, 邓赵红, 罗晓清, 等. 注意力与跨尺度融合的SSD目标检测算法[J]. 计算机科学与探索, 2022,16(11):2575-2586.

方文博,郭永刚,关法春,张伟,刘倩倩,王树文,张正超,于皓然.基于改进YOLO v5s算法的大豆叶片虫洞的识别[J].湖南农业大学学报(自然科学版),2023,49(01):127-132.DOI:10.13331/j.cnki.jhau.2023.01.018.

王彤,李琦.基于残差网络与特征融合的改进YOLO目标检测算法研究[J].河北工业大学学报,2023,52(01):41-49.DOI:10.14081/j.cnki.hgdxb.2023.01.006.


Refbacks

  • 当前没有refback。


版权所有(c)2025 许 晓飞, 彭 朋, 张 问毅

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。