Lektionsplanering: Bildbehandling och objektigenkänning

Årskurs: Gymnasiet

Ämne eller kurs: Artificiell Intelligens 2

Tema: Bildbehandling och objektigenkänning

Koppling till styrdokument

Centralt innehåll

Denna del av kursen omfattar bildbehandling och objektigenkänning, där eleverna får lära sig grundläggande tekniker för att analysera och identifiera objekt inom bilder. Fokus ligger på hur neuronnät och maskininlärning kan användas för dessa ändamål.

Kunskapskrav

Eleven ska kunna beskriva grunderna för bildbehandling och objektigenkänning samt implementera enkla algoritmer för att utföra dessa uppgifter.

Lärarledda instruktioner

Introduktion till bildbehandling (10 min)

• Definiera vad bildbehandling är och dess betydelse inom AI
• Diskutera olika typer av bildbehandlingsmetoder och deras tillämpningar
• Presentera grunderna i hur bilder representeras digitalt

Grunder i objektigenkänning (15 min)

• Förklara vad objektigenkänning är och varför det är viktigt
• Diskutera skillnader mellan klassificering och objektigenkänning
• Ge exempel på objektigenkänningstillämpningar, såsom ansiktsigenkänning och säkerhetssystem

Neuronnät för bildbehandling (15 min)

• Introducera konvolutionella neuronnät (CNN) och deras struktur
• Diskutera hur CNN används för att extrahera funktioner från bilder
• Visa exempel på hur neuronnät kan tränas på bilddata för att utföra klassificering eller igenkänning

Praktisk övning: Objektigenkänning (10 min)

• Dela upp eleverna i grupper och ge dem tillgång till ett dataset med bilder (t.ex. CIFAR-10)
• Låt grupperna implementera en enkel objektigenkänningsalgoritm med hjälp av ett verktyg som TensorFlow eller Keras
• Diskutera resultaten och hur väl modellerna lyckas med igenkänningen

Aktivitet

I denna aktivitet kommer eleverna att bygga ett enkelt objektigenkänkningssystem med hjälp av en träningsuppsättning av bilder. De ska använda ett förberett CNN och träna modellen på det valda datasetet, såsom CIFAR-10, för att klassificera olika objekt i bilder. Efter träningen kommer eleverna att evaluera modellens prestanda och diskutera eventuella förbättringar som kan göras. De ska presentera sina resultat med fokus på noggrannhet och eventuella misstag i klassificeringen.

Exit-ticket

• Vad är bildbehandling?

  Processen att behandla och analysera bilder för att extrahera information.

• Vad är objektigenkänning?

  Att identifiera och klassificera objekt i en bild.

• Vad står CNN för?

  Konvolutionella neuronnät.

• Nämn en applikation av objektigenkänning.

  Ansiktsigenkänning eller övervakningskameror.

• Vilka är grundläggande steg i träningsprocessen för en bildklassificeringsmodell?

  Dataförberedelse, modellträning, och utvärdering.

Hemuppgift

Eleverna ska välja ett dataset med bilder och genomföra en objektigenkänningsanalys, där de ska skriva en rapport (2-3 sidor) som dokumenterar deras metodik, resultat och analyser av noggrannheten i deras modeller. Skriv “Hemuppgift” så tar jag fram en hemuppgift åt dig.

Citat

“We are making progress, but we still have a long way to go in terms of understanding.”