摘要：黑色幽默作为文学写作的一种重要表现手法被广泛应用于电影的制作中。黑色幽默作为一种绝望的幽默,能够充分表达个体对现实的嘲讽,深刻反思社会现状。电影《三块广告牌》以"广告牌"为主线,用暴力和温柔呈现特定历史环境下美国社会的发展,剖析当时社会背景下人际关系的疏离。从人物塑造、情感寄托和反常态结局三个方面分析电影《三块广告牌》中所蕴含的黑色幽默,旨在为电影的叙事与传播提供借鉴。

摘要：桂林渔鼓作为历史悠久的地域性文化资源,是以桂柳方言进行说唱的优秀民间艺术,也是中华民族曲艺宝库中的重要组成部分,其不仅承载着厚重的民族历史记忆,也蕴含着人与自然共生、人与社会共生、人与文化共生的深刻内涵。渔鼓文化作为桂林人民的文化图腾,其共生内涵贯穿于渔鼓制作、渔鼓表演和渔鼓鉴赏的始终。但是,在现代化的进程中,一方面,由于社会结构变迁,渔鼓文化逐渐失去传承的传统场域;另一方面,由于现代传媒的渗透和共生内涵的遮蔽,渔鼓文化日渐式微。因此,桂林渔鼓文化如果要获得更好的传承与发展,不仅需要进一步彰显自身的共生文化内涵,而且需要构建以学校教育为中心的传承机制来加以实施,主要措施包括确立桂林渔鼓文化传承的共生教育理念、开发桂林渔鼓文化的共生校本课程、实施桂林渔鼓文化的共生教学。

摘要：传统文化创意产业面临创新不足、知识产权缺乏等问题,互联网时代需要借助传播实现知识产权的建构与转型。本文以故宫文创产品为例,从场景化、品牌化与情感化三个维度探讨构建新文创IP形象的策略,旨在为文化产业知识产权的构建与传播提供一个新的参照视角。

摘要：当前,多数高职院校开设了美术课程,旨在更好地提高高职院校学生的审美能力,这有利于提升学生的综合素质,提高学生的艺术素养,促进学生全面发展。同时,从高职院校的发展前景与有关部门的相关通知看,提高学生的艺术素养和文化修养,可以使其更好地满足社会需要,这也给高职教育发展指明了方向。该文探索如何在高职美术教学中提高学生的艺术素养。

摘要：针对无人机的无证飞行和随意飞行严重影响和威胁公共安全的问题,提出了反无人机系统。识别无人机是反无人机系统实现的关键之一,为此提出了一种基于卷积神经网络的图像识别无人机方法。运用自制光学系统采集设备采集了不同型号的无人机图片以及鸟类图片,设计了针对无人机小样本识别的卷积神经网络和支持向量机。运用设计的卷积神经网络分别对MNIST数据集、无人机图片以及鸟的图片进行了识别,同时也运用支持向量机识别无人机和鸟的图片,进行了对比实验。实验结果表明,设计的卷积神经网络在MNIST数据集上识别准确率为91.3%,识别无人机准确率为95.9%,支持向量机识别准确率为88.4%。对比实验表明,提出的方法可以识别无人机和鸟以及不同类型的无人机并且识别结果优于支持向量机,可用于反无人机系统识别无人机,给同类研究提供了借鉴。

摘要：针对在城市公园、广场和大型游乐场等公共环境中,雷达和无线电识别无人机易受到电子干扰、图像识别无人机易受到光线和遮挡物干扰的问题,提出了一种经济便捷、不易受到干扰的运用声音和采用通道空间混合域注意力机制多尺度分组卷积网络(ECSANet)的无人机识别方法。首先,建立民用的9大类无人机声音数据集,提取数据集的对数梅尔谱图及其动态特征;其次,为了网络参数量少,避免过拟合,设计了基于分组卷积、通道混洗和残差结构的通道混洗多尺度分组卷积网络(MSSGNet);然后,为了能更多、更有效地提取无人机声音特征,设计了通道空间混合域注意力机制模块(ECSA);最后,将ECSA模块插入MSSGNet网络构成改进的通道空间混合域注意力机制的多尺度分组卷积网络(ECSANet),形成新型声音识别无人机的方法。运用设计的ECSANet网络对自建的民用无人机声音数据集和Urbansound8K环境声音数据集进行了声音识别,识别结果表明:与ResNet18、ResNet34、ResNeXt18和MobileNetV2等基准网络相比,MSSGNet网络参数更少,识别准确率更高,达到了95.1%;ECSA模块可以插入多种网络,在不增加很多参数的情况下令网络模型的识别准确率获得提升,在无人机等声音分类任务上具有很好的效果;与MSSGNet网络相比,改进的ECSANet网络识别准确率能达到95.9%,提高了0.8%,表明了该网络在识别小样本无人机方面的优越性和可行性。

摘要：针对在公园、游乐场、体育场等具有复杂飞行背景的公共安全区域对无人机进行实时检测困难的问题,提出了一种基于注意力机制和尺度自适应特征融合的YOLOv5-UAV反无人机系统目标检测算法。首先,运用自拍图片和公共数据集DUT-Anti-UAV融合,构建了无人机数据集;其次,使用k-means方法重新设计先验框;再次,设计了尺度自适应特征融合模块;然后,采用CIoU损失函数作为算法的定位损失函数;最后,在主干网络引入协调注意力机制。在无人机航拍数据集VisDrone2019上进行对比实验,改进算法YOLOv5-UAV对所有类别的平均准确率(mAP@0.5)均高于原始算法YOLOv5s,且对复杂背景下的小目标检测效果较好,表明了改进算法的普适性。将改进的算法YOLOv5-UAV与基线算法YOLOv5s在建立的数据集上进行对比实验,实验结果表明,YOLOv5-UAV与YOLOv5s相比,在准确率、召回率、平均准确率(mAP@0.5)上分别提高了6.1%、5.8%、5.2%,检测速度为39帧/s;在建立的数据集上,与YOLOv5m、YOLOv5l、YOLOX目标检测算法进行对比实验,改进算法的平均准确率(mAP@0.5)分别高于对比算法4.4%、3.6%、1.3%,表明了改进算法的有效性。

摘要：反无人机系统是识别和打击“黑飞”无人机的有效手段,图像识别无人机是反无人机系统的关键之一。针对采集的无人机样本属于小样本、提取特征不够多,识别准确率不够高的问题,提出了一种基于迁移学习、密集卷积网络和坐标注意力机制融合的反无人机系统图像识别方法。首先,运用自制设备采集了多种无人机在不同背景下的图片,建立数据样本;其次,设计针对无人机小样本识别的基于迁移学习、坐标注意力机制和密集卷积网络融合的网络TL-CA4-DenseNet-121、基于通道注意力机制融合的网络TL-SE4-DenseNet-121等网络,运用设计的网络对小样本进行识别,并进行对比,然后分别进行了基于不同位置和不同个数的坐标注意力模块和通道注意力模块的网络识别实验;最后,将识别效果最优的网络与经典卷积神经网络模型进行对比实验。实验结果表明,提出的TL-CA4-DenseNet-121网络识别效果优于其他网络,识别的平均准确率为97.93%,F1-Score为0.982 6,网络训练时间为6 832 s。结果表明了该网络在识别小样本无人机方面的优越性和可行性。

摘要：针对如何识别无人机的问题,提出了一种基于卷积神经网络的声音识别无人机的方法.首先,对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值,将其特征参数作为卷积神经网络学习和识别的数据集;然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验.实验结果表明,运用支持向量机识别无人机的准确率为91.9%,卷积神经网络识别无人机的准确率为96.5%.为了进一步验证设计的卷积神经网络的识别能力,在部分UrbanSound8K数据集上进行测试,准确率达到90%.实验结果表明运用卷积神经网络识别无人机具有可行性,且识别性能优于支持向量机.

摘要：为了更好地设计某型内转子光电雷达稳定平台,运用Pro-E软件对其进行了三维实体建模,合理简化后,进入Ansys软件建立有限元模型。应用有限元理论和Ansys软件对该平台进行了模态分析,得到稳定平台前八阶模态的固有频率和振型。其中对比了不同网格、不同材料产生的不同模态,对同类分析提供了参考,也为此稳定平台的设计优化提供了依据,提出了改善该平台结构动态性能的措施。