基于AD-SegNet模型的苗族服饰图案分割方法研究

针对苗族服饰图案纹理多元化、形状不规则问题,提出了注意力特征融合的深度过参数化卷积语义分割网络(a deep over-parameterized convolutional semantic segmentation network for attentional feature fusion,AD-SegNet)模型。在传统卷积操作中增加深度卷积操作,加快了模型的收敛速度,提高了模型的分割性能。针对苗族服饰图案色彩差异大的问题,引入了注意力特征融合(attentional feature fusion,AFF),通过融合不同卷积层输出之间的特征信息,加强对特征信息的提取,减少色彩差异给网络学习带来的影响。实验结果表明,AD-SegNet模型性能优于其他对比模型,能有效对苗族服饰图案进行分割,与语义分割网络(semantic segmentation network,SegNet)基准模型相比,在像素准确率(pixel accuracy,PA)、交并比(intersection over union,IoU)、戴斯相似系数几个指标上分别提升了0.0447、0.0921、0.0542,为少数民族服饰图案分割研究提供了有效可行的方法。

基于APC-UNet模型的皮肤病变区域分割研究

针对皮损皮肤镜图像分割不准确的问题,本文提出了一种基于Atrous-spatial-pyramid-pooling Parallel Coordinate-attention pattern U-Net(APC-UNet)模型的皮肤病变区域分割算法。算法在U-Net模型的编码器中融入Atrous Spatial Pyramid Pooling(ASPP)模块和ParNet模块以提升模型的特征提取能力,在解码器中嵌入带有注意力机制的Coordinate Attention(CA)模块以增强模型的定位能力,并且引入了Lovász-hinge损失函数来解决皮损皮肤镜图像样本类别不均衡的问题。通过消融实验验证了提出的模型的改进合理性,通过对比实验结果表明,APC-UNet模型整体上优于5种对比模型,并且相较于基准模型U-Net,在Dice系数、IoU、精确率、召回率和准确度上分别提升了6.14%、8.11%、6.79%、2.28%和2.49%,各项性能指标均有较好提升,是一种有效可行的皮肤病变区域分割算法。

一种融合注意力机制的苗族服饰图案分割方法

针对苗族服饰因缺少像素级标注的数据库、元素多元化、纹饰图案不规则等引起的目标区域特征提取难度大的问题,提出了一种融合了注意力机制的SegNet分割模型(SE-SegNet)。在改进的SegNet模型中融入通道注意力SE模块,关注更多的细节特征,旨在于加强对目标特征的提取,实现苗服饰图案的自动分割。实验结果表明,该模型在苗族服饰数据集中,像素准确率为92.69%,交并比值为85.27%,相似系数为92.05%。与其他模型相比,该模型分割结果更精细,在苗族服饰图案分割的效果得到显著提升。服饰图案分割效果的提升对苗族服饰文化的保护和发展具有重要意义。

基于注意力机制的苗族服饰图案分割

针对苗族服饰图案存在色彩差异大、样式及纹理多样性等问题,采用传统的图像分割算法进行苗族服饰图案分割,会使得一些特征空间信息丢失,导致图像分割的效率与精度较低。为此,本文提出一种基于注意力机制的苗族服饰图案分割模型,通过提取图像特征,使模型能够更好地将感兴趣的特征从局部水平关联到全局水平。同时也采用了数据增强策略,增加训练数据以提高模型泛化能力。实验结果表明,本文模型与传统语义分割网络(U-Net)和全卷积神经网络(FCN)模型相比,仅采用不到1/2的训练参数,IoU增长了14.79%和18.21%,Dice系数增长了11.03%和13.95%。因此,本文为苗族服饰图案分割算法研究提供了一种有效可行的方法。

基于RSKP-UNet模型的苗族服饰图案分割研究

为保护苗族服饰文化的传承,以及增加对苗族文化的研究为目的,文章以苗族服饰图案分割为研究内容,提出了一种基于RSKP-UNet(Residual Selective-Kernel Parallel U-Net)模型的苗族服饰图案分割算法。算法在U-Net模型的编码器部分加入Residual模块以提升模型的特征提取能力,在解码器部分嵌入SKNet模块和ParNet模块以增强模型的特征表达能力。通过引入的Lovász-hinge损失函数有效地解决了苗族服饰图案存在的样本类别不均衡的问题,实验结果还表明Lovász-hinge损失函数在各项分割指标上均优于最常用的BCE损失函数。文章提出的RSKP-UNet分割模型在该损失函数下进行训练,并与4种经典的深度学习分割模型进行分割性能对比,RSKP-UNet模型在各项分割指标上好于其他模型,相比于基准模型U-Net,在Dice系数、IoU、精确率、召回率及准确度等指标上分别提升了6.98%、11.07%、2.89%、6.75%及3.92%,可为苗族服饰图案分割研究提供有效可行的办法。

新经济下的物业管理创新路径的探讨

我国的物业企业兴起时间比较晚,理论以及实践经验都比较匮乏,在新经济时代下,面对越来越激烈的市场竞争,更是让物业企业发展受到一定的阻碍。为了追求效益最大化,应依托良好的客户群体,秉承日臻完善的人文管理、独特创新的经营特色,自觉履行社会责任,总结出现的问题,重新打造多元共赢的管理方式,引进先进的管理理念,深化信息化,加大对人才培训力度,建立学习型组织,深化服务内涵,提高利润水平,强化行业自律,积极配合推动完善行业法规,加快向高端物业迈进步伐,为我国物业行业的健康快速发展做出新的贡献。