款识

摘要： 对于国画中的书法题款与篆刻钤印,历代画家都非常注意,二者展示出历代画家在文学、民间文艺、书法、篆刻、绘画等上的综合素养。国画中书法题款与篆刻钤印虽无定法,但是必有原则和技巧。

摘要： 2020年10月9日,晋江电视台“宝藏晋江”栏目第7期“簋里青花寻大明”介绍了晋江市博物馆馆藏一级文物明青花麒麟纹双象耳簋式炉(以下简称“晋江馆藏簋式炉”)的相关信息,但对其最初的所有者则存疑待考。本文以晋江馆藏簋式炉底部款识“鹤台珍玩”为线索,爬梳史籍,辨析其主人身份,兼及晚明漳州窑瓷器考探。

摘要： 重华宫藏『院本陶冶图』此套《院本陶冶图》册,乾隆十年《石渠宝笈初编》卷四着录,具体编绘过程与唐英有密切关联,具见清宫造办处乾隆五年及八年档案记录。本册设色绢本,二十开,长29公分,宽25公分,详绘制瓷程序。末页款识:「臣孙佑周鲲丁观鹏恭绘」。钤印:「臣观鹏恭画」。每图对页以小楷记制瓷细节,末页款识:「臣戴临敬书」。钤印:「臣临敬书」。

摘要： 唐英是清代雍正乾隆时期著名的督陶官,他所烧造的瓷器称之为“唐窑”。唐窑烧造品种丰富,除了为宫廷烧制奇巧精致的御用瓷之外,也为自己所需烧造瓷器。其中供器是特殊的一类,铭有唐英款识、烧造年代及用途,十分罕见。本文对此进行研究,分析阐述其烧造原因及艺术特征。一、唐英与唐窑唐英(1682-1756年),关东沈阳人,隶汉军正白旗。清代著名制瓷家,书画家,篆刻家,剧作家。

摘要： 梅瓶的样子很有趣,它“嘴巴小,脖子短,肩膀宽,小腿细,还撇着外八字”。明代早期及以前,梅瓶是装酒的器具,叫“经瓶”;明代中期以后,人们觉得这酒瓶子着实好看,索性将它摆上桌,当作摆件。到了清代,梅瓶基本上就作为花瓶使用了。东莞市博物馆就有这样一对镇馆之宝--白釉贴花折枝花卉纹梅瓶,是非常漂亮且稀罕的明代梅瓶。这对梅瓶出土于东莞市寮步镇钟松雪家族墓地,底部印有“大明年造”的款识,从整体造型、图案到釉色都十分精美。

摘要： 清代外销银器,通常指鸦片战争前后100年间中国销往欧美和印度等地区的银器。由于早期的外销银器上没有款识,故西方人历来误以为此器产于西方国家。其产业形成有着多方面因素,既受全球白银贸易的影响,又受西方国家“中国热”时尚的熏染,还与清政府的海关贸易政策密切相关。此种产业的崛起,标志着清代外销银器形成了产业链,并成功地开拓了海外市场。它以西式实用器型结合独特的中国传统纹饰,形成了“中体西用”的独特风格。其不仅承载了中国传统文化精神内涵,而且还是中国文化在西方国家引起各阶层潮流风尚的历史见证。

摘要： 北京首都博物馆藏有一幅《墨梅图》,款识有名无姓,因笔法神似元代画梅圣手王冕,以致数百年来,一直被认为是"元人无疑",所幸首博所藏《孝经》第五章篆书者的落款与《墨梅图》的款识相似且更详尽,终被谢稚柳等认定其作者是画史失载的明初中书舍人、籍贯永嘉的胡宗蕴。

摘要： 张大千《五老登黄山图》,湖南图书馆藏,1935年作,纸本设色,立轴,95cm×42cm,钤有"张爰私印"阴文印、"大千居士"阳文印、"两到黄山绝顶人"阴文印。款识:"乙亥秋九月,摹石涛上人笔法,写五老登黄山绝顶最高处意,为平山吾兄法家属正。蜀人张爰。"画作近景苍松耸峙,山石之间林木丛生。

摘要： 石壶画,很注重纪年,为画家自我绘事流年的载记,以见证其为艺的过往阶段与成积。其何以如此重视纪年与款识?曾见其住市一医院门诊部时,于病危期间写“遗嘱”示子:“解放前我作画,主要是画伪品为生,是一种耻辱。”

摘要： 窑戳,是流行于宋代以来磁州窑瓷枕上的专用款识,是一个窑场的标志性名号。在磁州窑众多窑戳中,"张家造"最有口碑,也最具代表性。"张家造"窑戳最早出现的时期应该在宋中晚期,磁州窑博物馆藏的宋代白釉划花腰圆形枕就是一个例证(图1)。该枕底部戳印长方形"张家造"款识,属于阴刻带边框款式。

摘要： 本发明公开了一种紫砂壶底部款识真伪鉴别方法，包括以下步骤：缩放紫砂壶底部款识图像，提取不同尺度空间下的紫砂壶底部款识图像的关键点；从提取的关键点中，自适应地筛选出多个在不同尺度空间下均存在的关键点作为稳定点；计算两幅紫砂壶底部款识图像的稳定点的匹配率，根据匹配率判断两幅紫砂壶底部款识图像的相似度，从而判断紫砂壶真伪。

摘要： 本发明涉及车辆识别技术领域，具体涉及一种车辆年款识别模型的训练方法以及车辆年款的识别方法。其中，训练方法包括：获取带标注信息的车辆样本图像；将车辆样本图像输入特征提取模块中，得到至少2组特征；基于至少2组特征，得到对应于每组特征的感兴趣区域及其得分值；将感兴趣区域以及车辆样本图像融合后输入分类模块中，得到整图分类特征、感兴趣区域的特征以及整图与感兴趣区域融合后的特征；由上述三种特征以及每个感兴趣区域的得分值，计算损失函数值；基于所述标注信息以及所述损失函数值，对特征提取模块以及分类模块的参数进行更新，优化车辆年款识别模型。该训练方法提高了识别模型的准确度，为后续在识别方法中的应用提供了基础。

摘要： 本发明涉及图像处理领域，公开了一种车款识别方法、系统及存储介质，该方法包括：利用多粒度神经网络，提取车辆图像的全局特征以及多个局部特征；利用特征融合神经网络对所述车辆图像的所述全局特征以及多个局部特征进行融合，获得所述车辆图像对应的类别特征；根据所述类别特征，利用分类神经网络获得所述车辆图像属于各车款类别的概率；将概率最高的车款确定为所述车辆图像对应的车款。本发明中的车款识别方法，利用全局和局部混合的多粒度神经网络提取特征，并对全局特征和局部特征进行融合，能够准确识别出车辆图像的车款类别。

摘要： 本发明提供了一种冒名贷款识别方法、装置、服务器及存储介质，筛选出贷款交易数据；确定与每一条贷款交易数据各自对应的还款账号，从预先存储的交易明细表中提取出与每一个还款账号各自对应的入账明细数据；从与每一个还款账号各自对应的入账明细数据中筛选出目标入账明细数据；确定与每一个还款账号各自对应的至少一个转账账号；从转账账号中筛选出冒名贷款集中供款账号，将冒名贷款集中供款账号对应的还款账号作为冒名贷款直接还款账号；确定冒名贷款集中供款账号与冒名贷款直接还款账号之间的冒名贷款行为。上述方式能准确、有效识别出冒名贷款集中供款账号与与其对应的冒名贷款直接还款账号之间的冒名贷款行为，保障银行信贷资金安全。

摘要： 本发明提供了一种SWIFT报文软条款识别方法及装置，SWIFT报文软条款识别方法包括：获取软条款待识别的SWIFT报文；利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。本发明能够建立一通过人工智能算法解析SWIFT报文内容，提取业务要素的SWIFT报文软条款识别方法。

摘要： 本发明涉及车辆识别技术领域，具体涉及一种车辆年款识别模型的训练方法以及车辆年款的识别方法。其中，训练方法包括：获取带标注信息的车辆样本图像；将车辆样本图像输入特征提取模块中，得到至少2组特征；基于至少2组特征，得到对应于每组特征的感兴趣区域及其得分值；将感兴趣区域以及车辆样本图像融合后输入分类模块中，得到整图分类特征、感兴趣区域的特征以及整图与感兴趣区域融合后的特征；由上述三种特征以及每个感兴趣区域的得分值，计算损失函数值；基于所述标注信息以及所述损失函数值，对特征提取模块以及分类模块的参数进行更新，优化车辆年款识别模型。该训练方法提高了识别模型的准确度，为后续在识别方法中的应用提供了基础。

摘要： 本发明涉及人工智能技术领域，提供一种车款识别方法、装置、电子设备及存储介质，该方法包括：获取待识别图像；对所述待识别图像进行处理，并将处理后的图像输入至Transformer‑YOLOv3模型中；通过所述Transformer‑YOLOv3模型中的DarkNet53网络提取所述处理后的图像中的车辆特征矩阵；对所述车辆特征矩阵执行操作，获得多个最终特征图；使用多个锚框分别在所述多个特征图上进行检测并识别，获得车款识别结果；将每个所述车款识别结果映射至所述待识别图像上。本发明可应用在智慧交通等需要进行车款识别的领域，从而推动智慧城市的发展。

摘要： 本申请属于人工智能领域，公开了一种基于产品协议字符识别的恶意条款识别方法、装置、计算机设备及可读存储介质。所述方法通过终端上的触发关键字的触发接口，识别触发关键字，调用屏幕滑动截图接口对触发关键字对应的文字页面进行滚动截屏，得到待提取协议图片，再通过预设的单字符的长宽比结合具体地字符条图片的长宽确定待提取协议图片中单字符的平均宽度，进行单字符的切割，解决了现有技术中基于OCR文字识别因为条款协议的文字过小导致的条款识别不准确的技术问题。

摘要： 本发明涉及图像处理领域，公开了一种车款识别方法、系统及存储介质，该方法包括：利用多粒度神经网络，提取车辆图像的全局特征以及多个局部特征；利用特征融合神经网络对所述车辆图像的所述全局特征以及多个局部特征进行融合，获得所述车辆图像对应的类别特征；根据所述类别特征，利用分类神经网络获得所述车辆图像属于各车款类别的概率；将概率最高的车款确定为所述车辆图像对应的车款。本发明中的车款识别方法，利用全局和局部混合的多粒度神经网络提取特征，并对全局特征和局部特征进行融合，能够准确识别出车辆图像的车款类别。

摘要： 本发明公开了一种信用证软条款识别方法及装置，该方法包括：获取待识别的跟单信用证报文；提取出所述待识别的跟单信用证报文中各条款编号对应的条款项；将提取出的所述待识别的跟单信用证报文中各条款编号对应的条款项输入到训练好的软条款识别模型中，得到软条款识别结果，其中，所述软条款识别模型的训练样本为在提取出的用于模型训练的跟单信用证报文中各条款编号对应的条款项上标注出各软条款对应的字段形成的训练样本。本发明解决了现有技术人工进行软条款识别出现的识别准确性无法保证以及效率低的技术问题。