素描学习

摘要： 素描教学是我们进行美术课堂教学的重要基础 , 而艺术造型技巧的掌握又是提升学生素描基础技巧的关键。探究性地 教学在高中素描课堂教学中对于培养学生的造型技巧能力具有重大的现实意义。本文也正是基于此 , 就我们高中美术课下学生的 素描头像造型技巧的培训策略做出了简单的分析。

摘要： 油画一直以其强烈的视觉色彩冲击备受人们关注,油画中的素描和色彩是影响绘画质量和整体观感的重要因素。本文探究了油画的素描与色彩基础造型的关系。一、油画的素描素描是一幅油画艺术作品的重要基础,绘画者的素描能力在很大程度上影响油画作品的形体结构,以及绘画者自身理念、想法的表达效果。因此,油画学习和油画创作的基础和前提是绘画者具有一定的素描能力。在素描学习上,绘画者首先要明确油画作品的形体结构,通过形体结构绘制物体的基础造型。

摘要： 以推进群众文化活动朝着多样性方向发展为背景,很多地区的文化馆都开展了素描学习活动,吸引了较多热爱美术或者具有素描学习兴趣的学员参与其中。素描作为一种在群众中比较熟知的绘画形式,将其作为文化馆的一项学习活动具有重要的意义。文章就把握正确的方法,提高素描学习质量展开了一系列的浅谈。

摘要： 在高中美术学习阶段,素描是最基础的部分,也是美术艺考的必考部分.在学生的素描学习中,只有让学生对基本的方法和技巧有一定的理解和掌握,素描作品的水平才有机会得到提高.随着教育改革的不断扩大和深入,越来越多的人开始把目光投向素描基础教育,希望在完成高质量基础学习的前提下,追求创造更高水平的作品.就当下高中素描教学展开研究,以期与广大素描教育工作者探讨更加多样化、更加高效的教学策略.

摘要： 素描被认为是一切绘画的基础,即使是抽象、 写意绘画也离不开素描.然而在现代的绘画教育体系下也存在着许多普遍的问题,因此本文是根据自身的感受和发现的问题来初略的探讨一下当代多元艺术背景下素描学习的普遍问题以及对策.

摘要： 素描是一切造型艺术的基础,也是美术学习过程中最为基础的课程之一,素描学习效果会直接影响学生美术学习能力以及素养。就目前美术教学现状来看,受多方面因素所影响,学生对于素描学习的兴趣并不高,所以素描教学课堂教学效率也较为低下,而为了能够改善这一现象,本文则就如何有效激发学生素描学习兴趣、提高课堂教学效率进行了研究。

摘要： 本发明公开了一种基于素描标注信息的生成对抗迁移学习方法，获取初始素描图，构造形式为“源域图像‑源域图像边缘标注图”的成对数据集；构造基于素描标注信息的边缘分割深度网络并训练；基于矩阵范数选择目标域样本；构造并训练基于素描标注信息的生成对抗迁移学习网络，该网络包括深度生成器网络、深度判别器网络、基于素描标注信息的边缘分割深度网络和深度分类器网络；输入目标域图像，得到目标域图像的分类结果；本发明利用源域数据及目标域数据结构的相似性，通过结构约束，生成确定标签的符合目标域分布的样本，从而进行标签的传递，实现跨域分类。提高了分类准确率，实现了跨域分类任务。

摘要： 本发明公开了一种基于特征学习和素描线段约束的SAR图像分割方法。主要解决现有技术分割SAR图像不准确的问题。其实现步骤如下：(1)SAR图像素描化；(2)根据SAR图像的区域图，划分SAR图像的像素子空间；(3)采用反卷积模型进行特征学习；(4)构建方向特征向量和长度特征向量，进行滤波器结构聚类；(5)基于方向约束的码本投影；(6)分割SAR图像混合聚集结构地物像素子空间；(7)基于素描线聚拢特征的独立目标分割；(8)基于视觉语义规则的线目标分割；(9)采用基于多项式逻辑回归先验模型对匀质区域像素子空间进行分割；(10)合并得到SAR图像分割结果。本发明获得了SAR图像的良好分割效果，可用于SAR图像的语义分割。

摘要： 本发明提出一种基于深度学习的素描风景图生成方法，具体涉及基于深度学习的素描风景图生成网络，以及基于交互式分割的素描主次感增强算法。素描风景图生成网络的训练步骤如下：获取网上的非成对自然域图像和素描域图像作为训练数据；将自然实景图片‑素描风景数据集输入到非对称双循环生成对抗网络中进行训练；将自然实景图像输入到训练好的网络模型中，初步合成对应的素描风景图。素描主次感增强算法包括如下步骤：设计主体区域提取模块，自主选取合成素描风景图的主体部分；设计主次感增强模块，将合成素描图的主体部分进行增强、将背景部分进行弱化，获得具有主次感的素描图。本发明能够将自然实景图像自动转化为富有主次感的素描风景图。

摘要： 本发明公开了一种基于深度学习的素描作品智能分档以及量化评分方法，涉及智能评分技术领域。本发明包括如下步骤：数据处理和标注：采集美术考试作品的扫描图片，阅卷老师进行标注，标注项目包括分档、总分、小项分；深度学习模型构建：构建的模型为有监督模型，输入为美术考试作品的扫描图片，监督输出为预测的分档、总分、小项分；首先模型进行特征提取，然后进行特征融合层，最后进行模型分类层和回归层，分别输出分档和总分、小项分。本发明避免小项分权重的人工指定，模型基于总分、分档和小项分存在强的相关性基础上具备可解释性，同时模型实用预训练的模型进行特征提取，避免构建的模型由于样本量的不足导致训练不稳定。

摘要： 本发明属于入侵检测和数据处理技术领域，具体涉及一种基于矩阵素描和哈希学习的流数据异常检测方法及其系统，该方法包括：获取原始数据源，并对数据进行预处理；随机选取部分预处理后的数据进行矩阵素描，生成素描矩阵；根据素描矩阵生成哈希投影矩阵和特征哈希表；获取当前时刻的数据，采用哈希投影矩阵对预处理后的新数据进行处理，生成当前时刻待测数据块的哈希表；采用异常分计算模型对待测数据进行异常分计算，得到待检测数据的异常分，根据异常分判断数据是否异常；本发明采用矩阵素描和哈希学习的方法，在保证检测效率的要求情况下，能够有效提升检测精度、降低计算复杂度及最小化检测过程中的概念漂移影响。

摘要： 本发明公开了一种基于深度迁移学习的素描人脸识别方法，包括以下步骤：步骤一：建立深度卷积神经网络模型；步骤二：对CUFSF素描图像库中图像进行预处理；步骤三：对包含大规模自然人脸照片的LFW图像库进行预处理，将其作为初始训练样本训练网络，得到训练模型；步骤四：将训练模型迁移到用于素描画人脸照片的网络，得到预训练模型；步骤五：建立由参考图像、正样本图像、负样本图像构成的三元组图像；步骤六：将三元组图像组作为预训练模型的输入，利用反向传播算法最小化损失函数，训练得到最终的目标训练模型；步骤七：用测试集测试步骤六得到的目标训练模型，进行素描图像的人脸识别。本方法具有素描人脸图像的识别准确率高的优点。

摘要： 本发明提供了一种基于正则化宽度学习系统的人脸素描合成方法，所述方法包括：对人脸照片进行随机卷积特征提取获得特征节点；对提取的特征进行随机卷积特征增强获得增强节点；将特征节点与增强节点串联作为宽度学习网络的输入，并通过连接权重与输出素描相连；采用岭回归算法计算网络的连接权重；通过增量学习算法对宽度网络进行进一步地扩展以提高网络特征提取的能力；最后，采用正则化算法对连接权重进行修正。本发明提供了一种快速人脸素描合成算法，兼顾合成效率与合成质量，使得在实现快速人脸素描合成的同时，获得高质量的人脸素描。

摘要： 本发明公开了一种基于素描标注信息的生成对抗迁移学习方法，获取初始素描图，构造形式为“源域图像‑源域图像边缘标注图”的成对数据集；构造基于素描标注信息的边缘分割深度网络并训练；基于矩阵范数选择目标域样本；构造并训练基于素描标注信息的生成对抗迁移学习网络，该网络包括深度生成器网络、深度判别器网络、基于素描标注信息的边缘分割深度网络和深度分类器网络；输入目标域图像，得到目标域图像的分类结果；本发明利用源域数据及目标域数据结构的相似性，通过结构约束，生成确定标签的符合目标域分布的样本，从而进行标签的传递，实现跨域分类。提高了分类准确率，实现了跨域分类任务。

摘要： 本发明属于交通行人图像处理技术领域，公开了一种基于素描图像的半耦合度量鉴别字典学习的行人检索方法及系统，建立自己的异构行人检索数据库，然后进行特征提取，从图像中提取特征并用相应的颜色标注不同的人；对提取出来的样本特征进行处理，引入字典学习方法，学习异构数据的字典对；从素描图像集和正规图像集中学习映射矩阵；引入鉴别算法学习度量。本发明的优点在于解决了异构行人检索领域中异构行人数据集缺乏的问题以及首次提出了半耦合度量鉴别字典学习(SMD

摘要： 本实用新型公开了一种艺术素描学习用的专用笔筒，包括笔筒芯，所述笔筒芯的上下两端分别固定有上套环和下套环，笔筒芯沿外径方向等间距的分布有隔板，隔板的上下两端分别与上套环和下套环相接，隔板之间的笔筒芯上安装有画笔夹持装置。本艺术素描学习用的专用笔筒，将削好使用的画笔卡入弧形夹内，未削备用的画笔放置在笔筒芯内，利用上壳和下壳可以将笔筒芯完成套住，从而避免画笔掉落的问题，同时使用时将上壳和下壳从笔筒芯拉出，方便对削好画笔进行使用，画笔用完后，取出备用未削的继续使用，其整体使用方便简单，并且将画笔进行分隔放置，避免使用时混乱的问题。