教育中的智能技术——计算机视觉与通用大模型主讲人：刘娟湖南师范大学/教育科学学院/教育技术学系

计算机视觉主要任务图像分割图像分类人脸识别动作识别目标检测姿态估计目标跟踪计算机视觉主要任务

神经网络和深度神经网络Transformer和注意力机制卷积神经网络（CNN）计算机视觉关键技术

神经网络神经网络是一种模拟人脑结构和功能的计算模型由多个神经元组成通过线性加权连接相互传递信息处理和分析数据

深度神经网络深度神经网络由多层神经网络组成每一层都包含多个神经元神经元之间通过权重相连通过激活函数进行非线性变换形成复杂数据表示和处理能力……………输出层输入层隐含层1隐含层2隐含层3输出层输入层第1隐藏层第2隐藏层第3隐藏层

卷积神经网络通过卷积、池化和非线性激活函数映射等一系列操作，将原始数据逐层抽象为自身任务所需的复杂特征表示，最后以特征到任务目标的映射作为结束。卷积神经网络（CNN）特征图特征图特征图特征图卷积层卷积层降采样层全连接层降采样层输出层(全连接+Softmax激活

Transformer和注意力机制Transformer是一种基于自注意力机制的深度神经网络架构，是AIGC的基础，它在多个AI领域均取得了显著成就。注意力机制是Transformer模型的核心，它允许模型在处理每个序列元素时，都能关注到整个序列中的其他元素。Transformer和注意力机制

计算机视觉在教育领域的应用计算机视觉在教育领域的应用行为分析虚拟现实安全监控辅助学习

通用大模型核心任务与应用范围·多模态理解与生成·内容生成·决策支持·个性化服务·知识发现与创新通用大模型核心任务与应用范围

大规模预训练注意力与学习机制模型效果提升解释性与可追溯性通用大模型关键技术

常见的通用大模型GPT系列星火认知大模型腾讯混元大模型鹏城-百度·文心大模型

通用大模型在教育领域中的应用通用大模型在教育领域中的应用人性化交互智能化教育资源建设教学方法创新学习行为分析

小结计算机视觉和通用大模型计算机视觉通用大模型计算机视觉的教育应用深度学习技术计算机视觉概述及主要任务介绍通用大模型概念及核心任务构建通用大模型的关键技术市面上知名的通用大模型通用大模型的教育应用