学习传统

摘要： 戏曲化妆设计是舞台造型艺术的重要组成部分.必须弄清基本原理,明确职责,向中国戏曲传统学习.在改变演员外貌的同时,要将精神注入其中,塑造出角色需要的视觉形象和人物气质.

摘要： “学习传统插花四年,我受益很多,每次插起花来很欢喜。不同的时节插着不同的花,感觉二十四节气在我手中流转起来,我与大自然的链接更加紧密。传统插花是人心的,佛法也是修心的,两者结合是和谐统一。”善因供花小姐的义工芳芳说。

摘要： 自跟随师父崔仲三先生拜师学习传统杨式太极拳以来,我总听师父说:规规矩矩盘拳。刚开始我不理解怎么个规矩法?为什么总是规矩盘拳盘架子?曾经有段时间很抵触。直到有一次师父让我做一个手挥琵琶的动作,师父轻碰一下我就歪三挒四晃悠。

摘要： 2019年,为让辖区的孩子们充实地度过课余时间,辽宁省大连市高新区凌水街道圣岛亲海社区结合辖区实际,围绕着传统民俗节日主题,大力开展丰富多彩的假期活动,让孩子们沉浸在传统文化的海洋里,学习传统文化知识。

摘要： "不忘初心、牢记使命"主题教育是一次崭新的学习革命,习近平总书记强调,开展这次主题教育,要坚持学思用贯通、知信行统一。如何引导党员干部在这次学习教育活动中全面系统学、深入思考学、联系实际学是当前的重点工作。

摘要： 泥塑，以泥土为原料，以手工捏制成形。我国泥塑艺术可上溯到距今4000年至1万年前的新石器时期。被称作“塞北泥人’的周耀文出生于1968年，自幼同父亲学习传统民间手工技艺捏泥人，致力于完善泥人技艺与工艺。他系统开发推广龙江本地材料“黑水龙沙”，将传统的黄泥上色，创新成高温烧制的紫砂工艺，改变了传统泥人怕水怕摔的缺点，提高了艺术价值。他创建的亚布力泓品非遗部落被哈尔滨市书法家协会、青岛大学等高校设为创作基地。

摘要： 无论是个体还是民族,都不可能割裂传统而存在。优秀传统文化代表着中华民族独特的精神标识,还是教育的丰厚滋养。开展中华优秀传统文化教育,应结合时代要求,与培育和践行社会主义核心价值观相结合,全方位融入体育、美育等各领域,通过完善课程和教材体系,提升师资队伍水平,加强校园文化建设,丰富载体形式,使学生理解优秀传统文化的精髓,增强传承弘扬优秀传统文化的责任感和使命感。

摘要： 江苏省东海县青湖镇中心小学为了让学生感受乡村振兴带来青山绿水美丽乡村的变化,培育学生体悟＂艺术来源于民间,艺术来源于生活＂,学习传统＂非遗＂剪纸艺术,鼓励用学生用彩笔、剪刀刻绘出家乡的美景,激发学生热爱家乡、关爱大自然的情感。图为东海县剪纸协会艺术工作者正在教学生剪纸梨花。

摘要： 中国画的发展历史十分悠久,迄今为止已两千多年之久,是中国民族绘画领域中发展最为成熟的画种之一.在几代中国画家的坚持不懈下,中国画不论是在技术手法上,还是在表现形式上,都有了卓越的成就,这份绘画艺术的光芒突出体现在中国画的发展与创新上.在此基础之上,本文对现代中国画传统文化学习以及艺术创新方面进行了深入探究,为现代中国画的发展与创新做出积极贡献,以期待中国画彰显中华传统绘画艺术的光芒.

摘要： 本发明公开了一种融合深度学习与传统处理的高精度图像实例分割方法，将传统的图像处理算法应用于深度学习实例分割结果，设计实现一种融合深度学习实例分割与传统图像处理的高精度图像实例分割方法，最终实现高精度的图像实例分割效果。以深度学习实例分割算法分割出的实例及其被识别的物体类别为基础，通过从不同的传统图像处理算法中找出分割结果与深度学习实例分割结果最相似的一种算法，将其结果与实例分割结果进行进一步的融合修正，这样，可以在保证物体初步分割及其语义信息识别的准确性的基础上，有效地改善和解决深度学习实例分割在目标边缘定位结果不理想及边界棱角较圆滑导致物体部分边缘信息识别有误的问题。

摘要： 本发明涉及一种基于深度学习与传统特征的多尺度服装检索方法及系统，包括提取待检索服装图像和图像数据库中的服装图像的多尺度级联CNN特征；根据待检索服装图像和图像数据库中的服装图像的多尺度级联CNN特征计算第一欧氏距离；使用CNN‑M模型得到的款式属性预测结果优化第一欧氏距离，得到初步检索结果；提取待检索服装图像和初步检索结果中的服装图像的传统特征，通过特征相似性融合公式融合多尺度级联CNN特征和传统特征来优化初步检索结果并排序，得到最终检索结果。本发明能够实现对服装从全局区域到款式部件区域初步检索结果的充分提取，并结合传统特征有效提升了检索准确率，优化排序结果。

摘要： 本发明提供一种多模光纤结合深度学习网络替代传统光谱仪的系统及方法，系统包括单频纳米激光生成器、多模光纤、红外单色相机以及数据处理器；数据处理器包括采集模块、处理模块和分析模块。本发明通过对多模光纤传输得到的干涉散斑的采集，结合神经网络图像分类对数据进行处理，采用的深度学习算法逐层自动进行特征学习和提取，达到了光谱仪的分光效果，从而提供了一种使用低成本多模光纤组成的结构简单便携、测量准确高效的光谱仪替代方案；以及在大数据处理平台下低资源成本、低耗时、高准确率的光谱分析方法和替代系统。

摘要： 本发明公开了一种结合深度强化学习与传统拥塞控制的新型拥塞控制方法，步骤如下：步骤一：传输层协议获取实际应用根据需求所定义的性能偏好，交付给新型拥塞控制算法的深度强化学习模块；步骤二：以预定义的间隔为基本单位，根据应答反馈收集并更新往返时延、丢包率来反应网络中实际状况的信息；步骤三：基于已有的信息，分别运行深度强化学习模块与传统拥塞控制模块，获取两个模块所决策的拥塞速率调整量；步骤四：根据事先定义好的结合策略，选取并计算最终的拥塞窗口调整决策，对当前传输速率进行调整，传输数据。本发明能够有效的适应应用的需求，提升性能，并且能够提供更优的公平性与收敛性，具有实用价值。

摘要： 本发明涉及图像处理技术领域，具体是涉及一种基于深度学习与传统算法的树叶遮挡的检测方法。将训练集输入到卷积神经网络模型中，对卷积神经网络模型进行训练，直至卷积神经网络模型的损失函数满足设定条件时，终止对卷积神经网络模型的训练，训练之后的卷积神经网络模型为最佳分类模型。采用传统算法判断测试集图像是否为无树叶遮挡的图像，若传统算法检测出图像为有树叶遮挡，则采用深度学习算法对图像做一步的检测。能够检测出该监控摄像机是否被树叶遮挡，方便工作人员及时获知监控摄像机被树叶遮挡这一情况，以便调整该监控摄像机的位置，防止监控场景的缺失，降低对公共安全的影响。

摘要： 本发明提供基于传统和深度学习算法的多目标跟踪方法，涉及计算机视觉技术领域。该基于传统和深度学习算法的多目标跟踪方法，包括利用目标检测器对视频帧中的目标进行检测，将检测的目标特征提取出来，其中表观特征可以避免遗失目标和对障碍目标处理的能力，运动特征主要是依靠流光、卡尔曼等算法进行目标轨迹预判，而后采用级联匹配以及IOU匹配，然后对目标分配ID。本发明，采用具有鲁棒性的光流算法，避免了卡尔曼滤波轨迹预测出现重大偏差，导致结果准确性下降的现象。通过训练后的yolov5检测模型，经过deepsort追踪模型进行实时性验证，发现跟踪目标准确性大大提高。

摘要： 本发明公开了一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，包括以下步骤：先进行数据准备；对图纸进行解析获取一系列图元；拿到所有在柱图层的图元线；利用传统图像处理方法，找到所有柱的空间；利用传统图像处理方法，找到柱附近带“Z”的文本信息；使用深度学习方法获取柱属性表格位置，获取位置柱编号和属性信息；通过柱编号和表格内柱编号进行匹配获取柱的属性。本发明通过运用传统图像处理的方法解决了CAD建筑设计图纸中构件的精准识别问题，减少了构件识别对图层的过度依赖，并且通过使用深度学习的目标检测方法识别柱属性表格，能够有效的解决表格样式和位置混乱，提高通过逻辑判断获取表格位置的准确度和速度。

摘要： 本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。

摘要： 本发明公开了一种基于深度学习的传统香包纹样生成方法、系统，方法包括：获取纹样图案样本集；对纹样图案样本集进行预处理，获得轮廓检测后的图像集；依据轮廓检测后的图像集对纹样图案样本集进行分类；然后对各个类别的纹样图案样本图像利用仿射变换进行图像扩增且扩增后每个类别图像数量一致；对于扩增后的每个类别的图像大小进行统一，获得纹样图案训练样本集；将纹样图案训练样本集输入深度学习网络进行训练，获得纹样图案训练模型。本发明一定程度上弥补了现有纹样图案样本集数量缺少的不足；极大地缓解目前纹样图案设计新颖度不够，产量小的问题。

摘要： 本发明公开了一种融合深度学习和传统图像增强技术的水下图像增强方法，首先，分析了输入的水下图像各通道与其对应自然图像的平均值差，从差异就可以看出红色通道需要补偿，绿色通道需要衰减。所以颜色补偿是利用注意力引导的残差网络对输入的水下图像的R通道和G通道执行的，该策略的动机是观察到大多数水下图像都由相对单一且均匀的颜色分布组成的。针对场景对比度增强和场景去模糊，开发了多尺度卷积神经网络，其中引入了CLAHE(限制对比度自适应直方图均衡)和Gamma校正算法作为补充来处理复杂和多变的水下成像环境。实验结果表明本发明的水下图像增强方法取得的效果是比较好的。