排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
目的 探索平面设计中的地域性表现。方法 首先,立足于地域文化元素的内涵及外延,分析其与平面设计融合所带来的优势与不足,得出将两者进行融合发展是很有必要的。然后,从具体的应用方式与方法进行分析,分别以直接应用、间接应用和时代化迎合为探究方向,论述地域文化元素的优势表现以及所带来的深刻意义。最后,从长远发展的角度出发,就两者的融合与发展进行理性审视,并总结出几点现实方向,进一步提炼可供选择的设计语言和设计手法。结论 地域文化元素融入平面设计,不仅让现代文明与传统文化在互相的碰撞中实现了融合性发展,还带来了更多新颖且富有文化意味的设计形式,为更具艺术性、实用性和文化性的平面设计作品的创新发展铺就了道路。 相似文献
3.
杨玉艳 《数码设计:surface》2011,(3):254-256
环境陶艺作品的质朴、深沉和细腻带给我们的是充满人文情怀和审美理想的亲和美。无论环境陶艺以何种形式出现,它们都无一例外的呈现出与受众极其密切的亲和关系和情感交流。解析"亲和美"生成的因素,绵延的历史感、归属感、回归人性的环保意识,符合受众的群体性审美心理及受众体验时的亲近感起到了决定性的作用。 相似文献
4.
在地形测图和各种放样工作中,后方交会是应用比较普遍的方法之一。但后方交会当待定点在危险圆上,用通常的方法则不能解。即使在危险园附近的环形面积范围内能够求解,其精度也是难以保证的。本文提出了一种判断后方交会待定点落在危险圆上和在其环形范的内的方法,以及在危险圆上和在其环形范围内的求解方法。 相似文献
5.
6.
针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题,提出了改进YOLOv3、CIoU损失函数优化以及SD-NMS优化算法(简记L-YOLOv3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE模块和Ghost模块改进YOLOv3的残差单元结构,以提高对密集目标的特征提取能力,减少网络模型参数量;采用完整交并比CIoU损失函数加快网络模型收敛速度,同时将多目标集合预测思想与DIoU-NMS有机结合,提出了SD-NMS优化算法,以降低漏检误检率。在BDD100K数据集上进行实验,结果表明,改进的目标检测算法召回率达到91.58%,精准率达到93.04%,与YOLOv3算法相比,召回率和精准率分别提升了12.09%和9.52%,具有更好的检测效果。 相似文献
7.
8.
9.
为有效解决车辆目标检测算法参数量大、计算成本高等问题,提出一种改进YOLOv3算法。利用深度可分离卷积和注意力机制重新设计主干特征提取网络结构,通过增大神经网络深度、拓宽特征提取层数实现更高层语义信息的提取,可获得更精细特征,减少模型参数量和计算量;引入CIOU回归优化损失函数,量化预测框与真实框中心点距离、重叠面积、尺度以及长宽比等评测指标,解决均方误差(MSE)损失优化方向不一致的问题,使目标框回归更加稳定。实验结果表明,该算法参数量为19.56M,比YOLOv3算法降低了近67%,同时平均精度均值(m AP)提高了3.68%,每秒帧数(FPS)提高了8帧,为车辆目标检测提供了容易部署在移动端的轻量级网络。 相似文献
10.
杨玉艳 《数码设计:surface》2012,(3):168-170
文章通过分析现在环艺专业学生毕业创作的现状,提出环境陶艺这一创作新课题,它是构架于现代陶艺和环境艺术之上的,兼具装置性、人文性的极具活力的艺术形式。环艺设计师来创作环境陶艺是对环境设计的拓展与延伸,同时给环境陶艺注入新鲜的创作动力。 相似文献
1