基于卷积神经网络的球鞋鉴定方法

卷积神经网络是深度学习模型中最常用的网络模型之一,它已在图像处理、语音识别等领域展现了良好的性能。考虑到卷积神经网络模型简单、参数量少且适应性强,在研究卷积神经网络的基础上,提出了一种球鞋真伪鉴定方法。所提方法通过卷积神经网络自动地学习不同品牌球鞋图像的特征并进行鉴定,将采集多视角的球鞋图像构建数据集,并将提出的方法在构建的数据集上进行训练和测试,然后将训练好的模型对用户输入的球鞋图像进行特征提取和识别,进而输出鉴定结果。实验验证了所提方法的有效性,可以让用户以较低的成本方便快捷地判断购买球鞋的真伪,可实现从销售源头检测仿冒球鞋和在销售终端快速响应消费者的鉴定需求,有效地解决当前球鞋仿冒问题。

明清安徽风水塔时空分布与选址特征研究

风水塔的营建通常受自然环境和社会经济、文化等多重因素影响。以明清安徽风水塔为研究样本,在文献资料整理和实地调研的基础上,结合基础地理信息数据,利用ArcGIS技术绘制风水塔空间环境特征图谱并进行分析,可以一定程度地解读风水塔的营建、分布与演进规律。研究结果表明:安徽风水塔在明代和清代共出现两次营建高峰;在空间分布上可分为高、中、低3个密度区,其中,高密度区集中在黄山市和宣城市的泾县、旌德县范围内;进一步结合地理空间数据进行分析,可对安徽风水塔的典型选址特征进行分类。