摘要：Xinjiang folk art patterns and designs are the art treasures of Chinese cultural treasure-house as well as the precious humanistic resources of Western China. In the process of collecting, sorting out and studying Xinjiang folk art patterns, the elegant simplicity as well as the good taste stands out impressively, and the pattern shape as well as the layout composition shows a distinctive national trait and a strong local color. As ＂The Geometry of Nature＂, fractal geometry brings about a new performing method. Various fractal graphs are created by different generators. Their dynamic pictures contain visual information of great magnitude and their artistic effect is similar to Xinjiang folk art patterns, which fully proves the fractal beauty in Xinjiang folk art patterns.

摘要：目的随着科技手段的进步,设计与人工智能的结合受到广泛关注。尤其在数字需求越发庞大的今天,面向智能化且用户体验更舒适的设计显得更为重要。本文通过分析人工智能对艺术设计的影响,论证在理念与工具创新的促进下,人工智能与艺术设计的结合可以为未来的艺术设计提供更为智能化、风格化和商业化的发展途径。方法通过研究人工智能与艺术设计的共通点与差异性,探寻人工智能与艺术设计的结合点,并以人工智能在颜色和风格两个设计要素中的应用作为实例,分析智能化设计带来的新型设计模式。结论人工智能对艺术设计的影响不仅仅表现在艺术设计工具的优化、设计效率的提高;同时还使得艺术设计方式更加多样化,促使艺术设计理念在新技术的影响下得到新突破。论文的应用案例进一步印证了未来人工智能与设计结合的无限可能。

摘要：为了揭示SWF文件格式的隐含属性,基于对象交换模型(OEM)的构建方式,提出了一种增强半结构化模型E-OEM,可对SWF文件格式进行描述和存储.采用OEM进行SWF文件格式的描述;对OEM描述模型进行改进,采用头尾分类、文件体聚类的思想将相同类别标签作为一类;通过引入Huffman编码,实现E-OEM具有描述和存储的功能.随机选择百例不同源文件进行E-OEM建模,仿真实验结果表明,所提模型不仅可以将隐含属性显性表示,同时提高了具有高标签重复率的文件存储效率,证实了模型的有效性.

摘要：Mobile platform is now widely seen as a promising multimedia service with a favorable user group and market prospect. To study the influence of mobile terminal models on the quality of scene roaming, a parameter setting platform of mobile terminal models is established to select the parameter selection and performance index on different mobile platforms in this paper. This test platform is established based on model optimality principle, analyzing the performance curve of mobile terminals in different scene models and then deducing the external parameter of model establishment. Simulation results prove that the established test platform is able to analyze the parameter and performance matching list of a mobile terminal model.

摘要：Fabric pattern contains many types of the available pattern elements, which not only can be used for the researchers, but also as the material for the designer. But existing method focus on the complete image retrieval, therefore lack methods of retrieving pattern elements. This article proposes a pattern elements retrieval algorithm based on cosine transform. Firstly, automatically segment the patterns according to size and location and filter the similar primary patterns, then, through cosine transform, analyze elements features in DCT domain, extract amplitude frequency and phase frequency. We employ 2-norm to measure the similarity, search 10 similar pattern elements in the sample library and save them in the design resources library. Experiment results indicate that this algorithm performs well while used in palace costume and carpet patterns, and got more than 75% of the average recall in 100 times experiments

摘要：针对当前图像多标签分类方法只关注图像本体类别信息(本体),而忽略图像深层次语义信息(隐义)的问题,本文提出了一种"本体-隐义"融合学习的图像多标签分类模型。该模型首先利用CNN中间层和较高层分别学习图像的本体信息和隐义信息,然后利用本体信息与隐义信息之间的依赖关系设计了融合学习模型,同时对提出模型的不同中间层特征和模型的不同结构进行了深入研究,最终实现了对图像中多类别以及各类别蕴含的隐义信息分类。在传统民族服饰纹样图像数据集上进行实验,得到图像本体多标签分类和隐义多标签分类的mAP分别为0.88和0.82;在Scene数据集上进行对比实验,本文模型在Hamming loss,One-error以及Average precision指标上分别优于其他最好方法0.103,0.091和0.083,实验结果证明了本文方法的有效性和优越性。

摘要：宫廷服饰纹样蕴含着丰富的文化内涵,但由于缺少像素级语义标注的数据库,使得宫廷服饰纹样精准分割成为极具挑战的问题。为此,提出一种融合深度学习和GrabCut算法的双层模型,实现目标检测和分割功能。分析不同深度卷积神经网络的特点,在模型目标检测层(ODL)选择使用二阶段目标检测框架中的R-FCN方法;在模型分割层(SL)使用基于图论的GrabCut算法产生最终分割结果。在宫廷服饰图像数据集上进行仿真实验,证明基于深度卷积神经网络和GrabCut算法的双层模型可以产生较好的分割效果。

摘要：为了实现高纯度轨道角动量模式的传输和放大,本文提出了一种可用于轨道角动量的受激布里渊放大的光子晶体光纤放大器并对其结构进行了设计.利用有限元法在C波段内对该光子晶体光纤放大器的传输性能进行了系统分析,研究结果表明,该光子晶体光纤放大器可支持66种轨道角动量模式的高纯度传输和放大,其传输的轨道角动量模式的纯度均高于99.4%.通过对不同拓扑荷数的轨道角动量模式的布里渊增益谱进行系统的分析,发现均具有较高的布里渊增益系数(>7×10^(-9)m/W),与现有的性能最优的OAM放大器相比提高了4—5个数量级,实现了较高的信号增益.该光子晶体光纤放大器的综合性能显著优于现有基于受激布里渊放大的光纤放大器和掺杂稀土离子的光纤放大器,这使其能够稳定、准确地对OAM模式进行同步放大和长距离传输,为轨道角动量模式激光系统的设计提供了一种可能.

摘要：针对当前图像多标签标注方法只能标注图像内容信息(本体),而不能同时标注图像寓意信息(隐义)的问题,提出了一种基于多任务学习的双层多标签标注模型(MTL-DMAM)。首先将图像的本体标注和隐义标注视为两个关联任务,以ResNeXt-50作为共享特征的主干网络,然后利用注意力机制分别为每个任务构建一个分支结构,实现了图像双层标注,同时为消除图像内各物体大小差异对标注结果的影响,在模型中加入ELASTIC结构,进一步提高了模型性能。在对比实验中,本文模型在单任务MS-COCO数据集和多任务传统服饰数据集上优于其他同类模型。最后,利用Grad-cam方法可视化模型MTL-DMAM在标注时重点关注的图像区域,实验结果表明本文模型能有效学习标签对应的图像显著特征。

摘要：为了构建人机识别纹理方向性模型,提出了一种图像全局纹理方向性的度量算法。首先,设计Gabor滤波器以减小次要方向分量,增强描述纹理的全局方向性分量。然后,构造局部边缘概率直方图,描述纹理方向性的整体分布,定量给出全局方向性度量值。最后,在Tamura纹理模型实验集以及Brodatz纹理图像库上,测试比较了用不同测度算法度量全局纹理方向性的精度。结果显示,在两类纹理图像库上所获得的测试值均与人类视觉感知保持了较高的一致性,其精度比其它算法可高出10%,表明论文所提的全局纹理方向性度量算法可以满足精度要求更高的人机纹理识别模型。