Network Garment Style Design System with Remote Information Access and Auto-Connecting Technology

A Network Garment Style Design System (NGSDS) is proposed to enable the remote style structure drawing design of garment. After the development of the system structure based on network that consists of client end and server end at two remote places, a multi-layer part database based on Oracle platform is presented to store information of different parts of garment style. With the acquirement of remote design data at server end using Http technology, the style design is ultimately implemented at the client end using Auto-connecting algorithms. One empirical example is given to show the implementation of the NGSDS.

基于半监督学习的StyleGAN图像生成模型

StyleGAN是一种基于生成对抗网络的图像生成方法,它在图像生成领域占据着重要的地位。但传统的StyleGAN生成图片质量依赖于训练集样本质量,当训练集图片质量较低时,StyleGAN往往不能很好发挥作用。针对此问题,本文提出一种基于半监督的StyleGAN模型(SG-GAN)。对于单个图片的生成,首先根据StyleGAN模型中w向量和图像的一一对应关系,生成训练样本并导入支持向量机(SVM)进行训练。然后,利用SVM和StyleGAN的mapping network在每次生成图像前对w向量进行筛选,挑选合格的w向量生成图像,以提高生成图像质量。对于批量图片的生成,首先经过基因向量生成器生成基因向量并随机组合在一起,采用动态循环回溯算法求得风格向量的所有排列,根据排列结果产生交配后的个体,最后,经过评价函数进行个体的筛选,在模型的多次迭代后,最终找到更加优秀的个体。本文在公开数据集上与几种先进同类方法进行了对比实验,实验结果表明:在lsun猫脸数据集上,模型FID2.74的准确率最高可达74.2%,召回率可达51.2%。经验证,该模型在lsun数据集上的准确率明显优于StyleGAN模型,进一步证实了该模型的有效性。同时,模型在Cat Dataset,CIFAR-100和ImageNet数据集上均达到70%以上的准确率,从而验证了模型具有不错的泛化性。

《江南Style》走红背后的自媒体网络文化迷思

《江南Style》的极速走红,离不开自媒体的巨大推力。对其进行深入解读又会发现,其背后隐藏着自媒体时代特有的网络文化生成机制。《江南Style》的走红,一方面加剧了网络文化娱乐至死的倾向,促使整个社会文化重心进一步偏移,造成了文化的日益浅薄和枯萎,另一方面在后现代主义社会和文化全球化的进程中,进一步强化了西方想象中的东方他者形象,推动全球霸权主义文化在网络世界新的蔓延,引发了全球文化新的迷思。

基于NS-StyleGAN2的鱼类图像扩充方法

图像多分类领域中经常出现类别不平衡问题,这会对分类模型的学习训练产生负面影响。通过对样本数量较少的类别进行扩充可以有效解决类别不平衡问题。生成对抗网络作为近年来新兴的一种神经网络,输入真实图像样本训练可以输出与真实样本非常相似的生成样本。根据此特性,本文结合第二代样式生成对抗网络(StyleGAN2)的设计思想与鱼类图像的特点,设计一种噪声抑制样式生成对抗网络NS-StyleGAN2(Noise-Suppressed Style Generative Adversarial Networks 2)。NS-StyleGN2去除了StyleGAN2合成网络中低分辨率层的噪声输入,从而抑制低分辨率层的噪声权重,使StyleGAN2生成样本细节特征更逼近真实样本特征。采用202张鲢鱼图像进行训练,本文提出的方法在起始分数、弗雷歇起始距离、内核起始距离得分等方面均优于DCGAN、WGAN、StyleGAN2,表明该方法可以有效进行图像扩充。

基于Style-CycleGAN-VC的非平行语料下的语音转换

非平行语料下的语音转换(Voice Conversion,VC)是指在非平行语音数据集的情况下改变源语音特征到目标语音特征的映射技术。由于非平行数据的缺陷,所以当前研究多集中于平行语料下的语音转换,而有关非平行语料的研究提出的模型架构存在局限性,在特定说话人下进行训练得到的模型无法适用于任意说话人下的语音转换,且转化效果有待提高。对此,借鉴两种生成式对抗网络(Generative Adversarial Network,GAN)的变体StyleGAN和CycleGAN的结构特点,对生成器网络的层重新设计,添加辅助特征提取神经网络,提出一种称为Style-CycleGAN-VC的新模型,实现了非平行语料下任意说话人之间的任意语音转换。实验表明,与CycleGAN-VC模型相比,该模型对训练的特定说话人的语音转换效果有所提高,对任意说话人的语音转换效果与其相近。

Analysis of “Zhen Huan Style”

A popular TV series in 2012,"Legend of Zhen Huan"reflecting the Harem struggle of Qing Dynasty was broadcasted by several TV stations time after time,obtaining high audience rating.With the improvement of the popularity,the"Zhen Huan’s Mania"phenomenon occurred in many aspects.This thesis will describe the structure of Zhen Huan style,and offer a linguistic account of their popularity in the cyberspace.

Diabetic Retinopathy Classification Based on Bilinear Cross Attention Network

Computer-aided diagnostic systems can assist doctors in diagnosing and treating DR cases more effectively, thereby improving work efficiency, reducing the burden on doctors during examinations, and alleviating problems related to uneven distribution of medical resources and shortage of doctors. In this article, we propose a classification method for diabetic retinopathy based on a bilinear multi-attention network. This method uses two backbone networks to extract features, and cross-shares the features using two attention modules to further deepen feature extraction. The non-local attention module is added to address the limitations of traditional convolutional neural networks in capturing global information. By paying attention to highly correlated pathological areas globally, performance improvement can be achieved. We achieved an accuracy of 91.7% on the Messidor dataset.

面向风格多样化的多对多语音情感转换

针对现有基于生成对抗网络的语音情感转换仍然存在情感分离不明显,且转换后的语音情感缺乏多样性问题,提出了一种面向风格多样化的多对多语音情感转换方法。该方法基于一个双生成器结构的生成对抗网络模型,通过对不同生成器的中间编码进行一致性损失约束确保语音内容和说话人特征具有一致性,以提升转换后语音情感与目标情感的相似性。此外,该方法通过情感映射网络和情感特征编码器为生成器提供同类情感的多样化情感表征。实验结果表明,所提情感语音转换方法得到的语音情感更接近目标情感,且情感样式更加丰富。

基于Mesh网络的集群式照明管理系统设计

目前的mesh网络中若使用电池供电的传感器,则设备的频繁通信和控制会导致额外的能源消耗。因此,本文基于mesh网络设计了一款集群式照明管理的系统,通过对该系统总框架的设计,将系统所具备的功能分成了数据采集、网络拓扑结构、集群控制等三个模块。通过实验分析,验证出该系统在数据传输效率、控制精准度以及节能效果等方面均具有显著优势。

基于改进YOLOv5算法的接触网绝缘子定位方法

【目的】针对高速铁路接触网绝缘子在复杂背景下检测效率不高的问题提出一种检测算法。【方法】首先对样本数据集进行大规模扩充,在原有YOLOv5s算法的基础上,为有效的提升模型的表征力,增加ECA注意力机制,进行无降维的跨信道方式来聚焦绝缘子位置信息;使用BiFPN特征金字塔网络,进行多尺度的特征融合来丰富语义信息;选用Meta-ACON自适应控制激活函数,在函数允许的最大范围内,严格把控函数的上下限,防止模型出现失控现象;将原有GIOU损失函数更换为EIOU损失函数,从梯度的角度对锚框进行更深一步的划分,进而提升网络的收敛速度。【结果】实验结果表明,通过对YOLOv5s改进后的检测算法,可以对绝缘子进行更精确的定位与识别,准确率达到了99.4%。【结论】所提出的检测算法为绝缘子定位检测提供了更加准确快捷的方法。

基于Trans-nightSeg的夜间道路场景语义分割方法

针对夜间道路场景图像亮度低及缺乏带标注的夜间道路场景语义分割数据集的问题,提出夜间道路场景语义分割方法 Trans-nightSeg.使用TransCartoonGAN,将带标注的白天道路场景语义分割数据集Cityscapes转换为低光条件下的道路场景图像,两者共用同一个语义分割标注,丰富夜间道路场景数据集.将该结果和真实的道路场景数据集一并作为N-Refinenet的输入,N-Refinenet网络引入了低光图像自适应增强网络,提高夜间道路场景的语义分割性能.该网络采用深度可分离卷积替代普通的卷积,降低了计算量.实验结果表明,所提算法在Dark Zurich-test和Nighttime Driving-test数据集上的平均交并比(m IoU)分别达到56.0%和56.6%,优于其他的夜间道路场景语义分割算法.

多尺度语义信息无监督山水画风格迁移网络

针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构,以此强化源域到目标域的迁移效果;其次在损失函数的改进上,提出了多尺度对抗损失以及循环矫正损失,用于以更严苛的目标引导模型的迭代优化方向,生成视觉质量更好的图片;最后为了预防模式崩溃的问题,在风格特征的编码阶段添加了注意力机制以提取重要的特征信息,在网络的各阶段引入ACON激活函数以加强网络的非线性表达能力,避免神经元坏死。实验结果表明,相比于CycleGAN、ACL-GAN,所提出方法在山水画风格迁移数据集上的FID值分别降低了21.80%和34.33%;为了验证模型的泛化能力,在Vangogh2Photo和Monet2Photo两个公开数据集上进行了泛化实验对比,FID值相比于两个对照网络分别降低了7.58%、18.14%和4.65%、6.99%。

从修辞语体视角看“废话文学”的文学效应

为探究当前“废话文学”对语言文字安全的影响,在梳理和分析“废话文学”概念的基础上,认为“废话文学”具有文学和网络语言的双重属性。继而从修辞语体的视角入手,深入探析“废话文学”的概念、语域分布、表达效果和其带来的文学效应。由此,归纳总结出“废话文学”风趣幽默的风格特征,而这也正是使得“废话文学”广为流行并被滥用而不自知的原因。

居住方式、居住环境对老年人心理健康的影响--基于自动化机器学习的分析

中国人口老龄化形势日趋严峻,将迈入中等程度老龄化社会。同时,家庭规模持续小型化,代际居住分离式家庭日益增多。作为影响老年人日常生活及养老资源获取的重要方面,老年人的居住方式和居住环境与以往相比有所不同,因此值得关注。老年人心理健康是影响晚年福祉的重要因素,了解不同居住方式、居住环境对老年人心理健康的影响程度以及该影响在不同群体之间的差异,有助于更合理地制定改善老年人居住环境的策略,推动实现健康老龄化。本研究使用2018年中国老年健康影响因素跟踪调查(CLHLS)数据,在健康生态学等理论的基础上通过多元线性回归与自动化机器学习相结合的方法进行分析。通过线性回归与基于元启发式算法的神经网络相结合评估不同居住方式、居住环境对老年人心理健康的影响程度以及影响因素的优先级,并与线性回归、随机森林等其他五种方法的结果对比证明神经网络模型的准确性更高。然后使用神经网络对不同城乡类型、不同性别的老年群体进行异质性分析。研究结果显示居住方式中促进作用最大的为与配偶同住,独居对心理健康有较大负面影响。住房环境中有独立居住空间、住宅类型选择高层公寓及社区有服务设施均对老年心理健康产生积极影响。社会网络支持方面多样化的社会支持来源比仅亲属支持更有利于心理健康。从影响因素的优先级来看,仅向亲属求助、住独门独院住宅、有独立居住空间、仅和亲属聊天、独居在居住相关因素中位列前五。因此从实践的角度出发,在其他居住因素无法改变的情况下,老年人需避免仅与亲属进行社会交往的情况,增加同朋友或邻居的互动。分城乡类型来看,除居住方式、住宅类型外其他居住相关因素在影响心理健康方面保持一致。三代人同住对农村老年人心理健康的促进作用远超城镇,与配偶同住拥有独立的生活对城镇老年人的心理健康则更有益。对影响因素的优先级排序后发现在情感上农村老人比城镇老人更依赖亲属,在生活上城镇老人比农村老人更依靠亲属照顾。分性别来看,除居住方式、社会网络支持来源外其他因素的影响保持一致。对女性老年人心理健康最有益的是仅与配偶同住,男性则为与子女同住。进行优先级排序后可知朋友互动对于男性老年人而言比女性更重要,女性老年人在生活上比男性更依靠亲属照顾。

基于生成对抗网络的时尚内容和风格迁移

生成对抗网络常常被用于图像着色、语义合成、风格迁移等图像转换任务,但现阶段图像生成模型的训练往往依赖于大量配对的数据集,且只能实现两个图像域之间的转换。针对以上问题,提出了一种基于生成对抗网络的时尚内容和风格迁移模型(content and style transfer based on generative adversarial network,CS-GAN)。该模型利用对比学习框架最大化时尚单品与生成图像之间的互信息,可保证在时尚单品结构不变的前提下实现内容迁移;通过层一致性动态卷积方法,针对不同风格图像自适应地学习风格特征,实现时尚单品任意风格迁移,对输入的时尚单品进行内容特征(如颜色、纹理)和风格特征(如莫奈风、立体派)的融合,实现多个图像域的转换。在公开的时尚数据集上进行对比实验和结果分析,该方法与其他主流方法相比,在图像合成质量、Inception score和FID距离评价指标上均有所提升。

基于改进ResNet网络和迁移学习的服装图像风格识别研究

传统的服装图像风格识别方法主要依赖于成功提取有效特征,这些方法在处理图像时不仅会消耗大量的时间和精力,识别精度也较低。为了提高服装图像风格识别的性能,提出了一种基于改进的ResNet152网络和迁移学习的服装图像风格识别方法。首先将ResNet152网络首层结构中的7×7卷积核替换成3个3×3卷积核组合层,其次把原始残差单元中的“卷积层(Conv)+批归一化层(BN)+非线性激活函数层(Relu)”的组合方式换成“批归一化层(BN)+非线性激活函数层(Relu)+卷积层(Conv)”的组合方式。这两个改进方法有效地提升了网络性能,使其能够更好地捕捉不同尺度的服装风格特征。然后把在ImageNet数据集上训练好的ResNet152网络模型参数迁移到改进的网络中,在此基础上,将女童服装数据集输入到网络中进行训练验证以及微调网络参数。结果表明,所提出的方法风格识别准确率达到了94.2%,训练效果好,识别精度、收敛速度等均优于其他风格识别网络,可以更好的完成女童服装风格识别任务。

基于注意力卷积神经网络的服装款式图廓特征识别方法

针对现有服装款式图廓特征识别方法存在特征识别技术复杂和识别精度不高的问题,提出基于注意力卷积神经网络的服装款式图廓特征识别方法。首先,采用数据增强方法对服装款式图廓类型标签进行分类;其次,通过损失函数计算并确定图廓特征分布梯度;然后,通过卷积神经网络构建特征识别模型;最后,引入注意力机制模块识别服装款式图廓特征。验证结果表明:与基于改进Resnet34和基于改进边缘检测算法的服装款式识别方法比,本文方法始终具有较高的复杂图廓识别精准度,对连衣裙款式样衣的图廓识别精准度可达99.1%,外套、裤子、短袖的款式均能达到90%以上。本文方法的识别效果精准有效,可推广于现实中服装款式图廓特征的识别。

铜凿剪纸风格化方法研究

铜凿剪纸是一种在铜箔上凿点并使用矿物质颜料上色的传统艺术形式,其成品光彩夺目。铜凿剪纸工艺复杂、制作时间长,对手工艺人的技术水平有很高的要求。为此,提出了一种铜凿剪纸风格化的方法,并设计、实现了一种计算机辅助铜凿剪纸设计工具,通过生成图像线稿、凿点图以及铜凿剪纸效果图,帮助手工艺人快速完成铜凿剪纸的创作和制作。将输入图像进行区域分割以提取图像的线条,生成图像线稿;定义了一种颜色损失函数,结合贪心算法和梯度下降法求解函数最小值得到最佳颜色映射方案;基于VGG-19网络对图像线条进行风格迁移,生成凿点图;将线条风格迁移图像与颜色迁移图像进行融合,生成铜凿剪纸效果图;基于PyQt5框架开发铜凿剪纸设计工具,设计了交互平台。实验结果表明,该方法能够实现图像的铜凿剪纸风格化,且效果接近真实的铜凿剪纸,支持手工艺人快速生成工艺流程中需要的图像线稿、凿点图以及效果图等相关材料,提高铜凿剪纸的制作效率,具有较高的应用价值。

基于风格转换注意的循环一致风格转换

为了解决现有艺术风格转换方法难以同时高质量保持图像内容和转换风格模式的问题,引入一种新颖的风格转换注意网络(style-transition attention network, STANet),其包含2个关键部分:一是非对称注意力模块,用于确定参考图像的风格特征;二是循环结构,用于保存图像内容。首先,采用双流架构,分别对风格和内容图像进行编码;其次,将注意力模块无缝集成到编码器中,生成风格注意表征;最后,将模块放入不同的卷积阶段,使编码器变成交错式的,促进从风格流到内容流的分层信息传播。此外,提出了循环一致损失,强制网络以整体方式保留内容结构和风格模式。结果表明:编码器优于传统的双流架构,STANet能用于交换具有任意风格的2幅图像的风格模式,合成更高质量的风格化图像,同时更好地保留了各自的内容。提出的带有风格转换注意的风格转换循环网络,模型风格化图像的内容细节更多,在泛化到任意风格方面获得了良好的效果。

基于生成对抗网络的车牌图像篡改检测数据增广

现有的篡改检测方法,主要使用基于数据驱动的深度学习模型,检测效果与训练数据的质量和数量成正比,且人工制作高质量的篡改图片费时费力。针对高质量车牌篡改图片数据量少的情况,提出一种针对车牌场景的篡改图片数据增广方法。结合车牌定位模块、车牌矫正模块、基于生成对抗网络(GAN)的图像擦除模块和文字风格迁移模块,构建一个车牌字符篡改系统,以模拟真实场景的车牌篡改流程。相较于传统篡改方法,借助GAN生成的篡改字符种类更多元化、更具备多样性。实验结果表明,使用所提系统生成的车牌篡改图片可以达到篡改区域语义高度合理,且肉眼不可分辨的视觉效果;将它作为扩充数据训练篡改检测模型,曲线下面积(AUC)提升了42.9%,F1值提升了33.0%,漏检率下降了16.6%。同时,使用所提系统生成的车牌篡改图片搭配多种数据处理方法在不同篡改检测网络上均能有效提升检测性能;使用扩充数据训练后,篡改检测网络不仅可以成功检测传统篡改方法的篡改痕迹,针对现阶段流行的生成式篡改,检测效果也明显提升。