基于StyleGAN的手写CJK文字生成方法研究

在目前关于手写字符生成的研究中,对于多语言手写字符的生成问题关注不多,并且汉语、日语、韩语(CJK)由大量字符组成,多数字形结构复杂,生成难度大。针对这一问题,设计了一种基于StyleGAN的手写CJK文字生成方法,可以对CJK手写字符进行生成。实验结果表明,所提方法可以实现手写CJK文字生成,使用训练过的Inception-ResNet-v2网络来评价生成结果,生成结果的准确率分别达到了81.46%、74.90%、78.53%。

西藏文化元素智能检测模型研究

西藏文化博大精深,然而受地理环境等因素影响,藏文化走向全国、走向世界的进程却十分缓慢。西藏文化元素作为藏文化的主要体现形式,迄今为止对其检测与识别的相关研究相对匮乏。而已有研究中,大多关注单一目标识别,推广性不强,直接影响了藏文化的传播。文章结合人工智能技术,进一步探索西藏文化元素智能检测模型的建设。采集藏地风景、藏式建筑、藏文化元素符号、藏族服饰、歌舞游艺、工艺器具、科学医药、历史、民俗节日、唐卡壁画和牦牛等11类元素图像,形成含有5966张图像的西藏文化元素(TCD)数据集;通过清洗打标,形成供神经网络模型训练的训练集;分析对比当前较为先进的yolov3、efficientnet-yolo3和yolov4等9个目标检测模型在TCD上的检测精度和检测速率。实验表明,yolov5(x)预测准确度最高,达到70.96%;yolov4-tiny模型预测速度最快,达到134.05FPS,yolox(s)综合性能最好,选取yolox(s)模型作为西藏文化元素智能检测模型的研究基础最佳。

威海市环翠区古树名木的保护管理及复壮措施探讨

随着现代化建设的发展,许多古树名木遭受严重的破坏,古树名木的保护工作变得越来越重要。为更好地开展古树名木的研究工作,基于对山东省环翠区古树名木资源保护现状和存在问题的调查,对影响古树名木健康及生存的原因进行分析,多方面探讨了古树名木的保护及复壮对策。

基于Richardson-Lucy算法的藏式壁画图像修复技术研究

藏式壁画作为我国壁画文化中的重要组成部分,是我国民族艺术的瑰宝。随着时间的不断推移,由于受自然环境与保存条件的影响,壁画图像会出现不同程度的损坏。传统壁画图像修复技术的成本较高,且在图像转换与结构分解方面存在一定的缺陷。基于此,笔者提出基于Richardson-Lucy算法的藏式壁画图像修复技术。首先,全面分析藏式壁画图像结构与特点,获取图像损坏的相关信息;其次,采用逆波预处理方式生成去噪的壁画图像,构建藏式壁画图像模糊模型,估计图像先验的模糊核;最后,采用Richardson-Lucy算法修复破损的藏式壁画图像。实验表明,该藏式壁画图像修复技术执行的时间较短,且图像修复后的峰值信噪比(Peak Signal to Noise Ratio,PSNR)较高,视觉效果更具有优势。

基于DCGAN网络算法的华人人脸生成

近些年来,随着深度学习算法的进一步发展,卷积神经网络进行监督学习在计算机视觉应用上取得了巨大的突破。然而在无监督学习方面,卷积神经网络的关注度并不高。本文将深度卷积增加到无监督学习的生成对抗网络上,用来生成华人人脸。生成对抗网络,一方面可以减少复杂的计算,另一方面生成的图像质量也比较理想。通过使用一万五千张的华人人脸数据集,本文最终生成了具有多样性的华人人脸照片,并且最终的判别器损失函数在0.695上下浮动,生成器损失函数在0.74上下浮动。

基于循环生成对抗网络的图像转换

在无监督学习领域中生成对抗网络是近几年发展速度较快的一个研究方向,其主要特征是用一种概率估计的方式去逼近未知分布的模型。运用这种模型可以避免复杂的运算和编码,特别是在计算机视觉方面,可以生成质量较好的图片。本文基于循环生成对抗网络,训练一个风格迁移的神经网络,通过输入一张采样图片转化为输出一张与采样图片不同风格的图片。为防止生成器学习到具有欺骗性的虚假数据,本文采用加入一个新的生成器,把第一个生成器的输出当作输入再次使用,使生成器的输出和原图具有较高的相似性,同时不丢失原图片的特征并且确保输出一个和原始输入相似的图片。实验仿真数据集选取真实校园作为场景,在训练初期并不能较好的还原回原始图片,这意味着生成器使用了虚假的输出结果,当训练次数达到10,000次以上,结果显示可以较好的还原回原始图片,证明第一个生成器的输出保留了大量原始图片特征,输出结果较为可靠。