基于餐饮企业品牌的外卖车设计方向探究

文章以品牌为切入点,探讨当下餐饮企业品牌的外卖发展情况和趋势,研究企业与外卖车之间的联系。对现下外卖车的使用情况进行调研,结合现有相关技术发展,根据外卖车不同设计因素,运用不同设计方法,探究以餐饮企业品牌为基础的外卖车应如何设计。从而通过视觉形态来表达企业品牌形象,满足不同用户的不同需求,完善配送过程中存在的问题。为企业品牌在设计时提供一定的参考依据。

浅谈校园礼品设计——以南京林业大学为例

高校作为培育人才的摇篮,不但应注重自身多方面、全方位地向前发展,与此同时,怎样将学校的历史和内涵展现于大众视野之中,注重形象宣传的质量提升也是高校日常工作中需要注意的问题。在传播高校特有文化和传承高校独特历史底蕴的过程中,校园礼品设计是不容忽视的,它是当下一种很好的传播手段,能够为高校对外交流带来较好的效果。本文将以校园礼品设计为中心,浅谈应如何设计校园礼品,使其更好地展现学校独特的文化魅力和历史发展,同时在设计的过程中将礼品与中国传统文化相结合,让其具有更加优良的文化与使用价值。

儿童居住室内环境色彩搭配研究

随着经济的发展,人民生活水平的日益提高,追求的物质生活已不再是温饱这类能满足身体基本需求的东西,更加注重享受美好、物质充裕的生活。加上二胎政策的全面实施,儿童在当今时代越来越受到重视,家长希望自己的孩子能够受到最好的教育,最好的成长环境,身心健康,得到全面发展。教育问题和生活环境很重要,特别是儿童接触时间较长的儿童房,其色彩搭配对于儿童的身心成长有着重要影响。

深度卷积神经网络的遥感植被检测方法

【目的】植被检测是城市生态研究的重要手段,然而由于遥感图像中植被存在阴影区域、遮挡区域以及色彩上的畸变等,导致当前的植被检测精度较低。基于遥感卫星影像,采用深度学习技术快速有效地检测出城市中的植被区域,为植被资源统计等相关研究提供依据。【方法】选用深度卷积神经网络模型,对高分辨率遥感影像中的植被区域进行检测。对不同的优化器,通过设置不同的卷积核大小,对精度进行对比分析。最后对网络层数进行研究,对设置合适网络层数进行分析,用构造的深度卷积神经网络在实验数据上进行植被区域检测。【结果】利用卷积神经网络处理二维图像时,无需手动提取特征,进行简单少量的预处理后,直接把图像输入到CNN模型中进行训练,即可实现图片的识别分类功能。降低了预处理的难度,同时局部感知和权值共享大幅度地减少了参数量,加快了计算速度。次抽样还能保证图像处理后的平移、旋转、缩放和拉伸的不变性。解决了传统方法计算量和样本量大、结构复杂以及费时的缺点。在采集到的高分辨率紫金山区域的遥感图像中,通过设计的多层卷积神经网络模型对区域中的植被资源进行分析,对比和研究不同的优化器、卷积核和网络层数,植被检测精度达到95.4%,明显高于当前众多植被检测算法。【结论】在深度学习中,目标检测的精度依赖于网络的结构设置,通过对优化器、卷积核以及网络层数进行设定,可以明显提高目标检测效率和精度。