CN109344425B - 一种基于长沙窑文物元素再造创意设计集成平台 - Google Patents
一种基于长沙窑文物元素再造创意设计集成平台 Download PDFInfo
- Publication number
- CN109344425B CN109344425B CN201810913620.2A CN201810913620A CN109344425B CN 109344425 B CN109344425 B CN 109344425B CN 201810913620 A CN201810913620 A CN 201810913620A CN 109344425 B CN109344425 B CN 109344425B
- Authority
- CN
- China
- Prior art keywords
- image
- cultural relic
- long sand
- kiln
- cultural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000004576 sand Substances 0.000 title claims abstract description 178
- 238000013461 design Methods 0.000 title claims abstract description 63
- 230000010354 integration Effects 0.000 title abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 50
- 238000013508 migration Methods 0.000 claims abstract description 23
- 230000005012 migration Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000000463 material Substances 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 6
- 239000000919 ceramic Substances 0.000 claims description 80
- 238000000605 extraction Methods 0.000 claims description 64
- 239000000047 product Substances 0.000 claims description 52
- 230000003993 interaction Effects 0.000 claims description 36
- 238000007726 management method Methods 0.000 claims description 35
- 238000002372 labelling Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 28
- 238000013527 convolutional neural network Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 229910052573 porcelain Inorganic materials 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000003908 quality control method Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 239000010949 copper Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 4
- 238000005065 mining Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 3
- 238000010960 commercial process Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 241000209504 Poaceae Species 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于长沙窑文物元素再造创意设计集成平台，属于基于人工智能的文物创意设计应用领域。该平台通过长沙窑文物语义及图形图像特征的融合，集成图像风格迁移技术，为创意设计人员提供从检索准确详实的文物素材出发，融合其他工艺产品特点而自动形成个性化素材库，并自动合成目标器物图样的全流程创意设计服务支撑。实现了对文物内在文化资源和外在艺术资源的深度挖掘以及创意素材的自动生成，丰富了创意，节省了人力资源、设计开发时间和成本。
Description
技术领域
本发明涉及一种基于长沙窑文物元素再造创意设计集成平台，属于基于人工智能的文物创意设计应用领域。
背景技术
古代长沙窑陶瓷是我国唐宋代南方瓷窑。位于今湖南省长沙市望城区丁字镇彩陶源村。亦称“长沙窑”。产品主要是青瓷，生活用具种类很多。釉色有青、黄、白等色。并首创釉下彩器和在瓷器上彩绘的装饰技法。1978年50多天的调查发掘中。获得遗物2223件，按器形分44类，款式规格在百种以上。釉下彩绘和釉下彩饰占很大比例，有413件。实用器物、窑具、工具以轮制为主。瓷器胎多灰白，胎表大多涂有白色衬釉，瓷化程度高．纹饰有人物、山水、云气、花草、鸟兽等，美观大方。唐代长沙铜官窑的 产品，在唐代商业都会扬州和对外贸易港口明州（今浙江宁波），以及江淮流域的唐代遗址和墓葬中，已有不少出土，在朝鲜、日本、印尼、伊朗、埃及也都有发现。现代在长沙窑地区仍有大量的陶瓷产业，一方面以复刻古代长沙窑陶瓷器型为主，另一方面也开始发展生产现代器型，将传统的风格、器型与现代生活用具、茶具等器物相结合，形成新的产业增长点。目前面临的主要问题有，设计师人数较少、设计思路严重受现代器型影响，无法将传统长沙窑风格灵活运用于现代器型设计中。为解决此问题，提出一种开放式的长沙窑文物元素再造创意设计集成平台。通过长沙窑文物文本语义及图形图像特征的融合，集成图像风格迁移技术，为创意设计人员提供从检索准确详实的文物素材出发，融合其他工艺产品特点而自动形成个性化素材库，并自动合成目标器物图样的全流程创意设计服务支撑，丰富了创意，节省人力资源、设计开发时间和成本。
发明内容
本发明的目的在于克服上述现有技术的缺点和不足，提供一种长沙窑文物元素再造创意设计集成平台，该平台通过长沙窑文物语义及图形图像特征的融合，集成图像风格迁移技术，为创意设计人员提供从检索准确详实的文物素材出发，融合其他工艺产品特点而自动形成个性化素材库，并自动合成目标器物图样的全流程创意设计服务支撑。
本发明通过以下技术方案实现，包括基础服务层、应用支撑层、运营交互层；
基础服务层包括周期性运行网络爬虫工具、长沙窑文物支撑模块、陶瓷产品数据库，以及数据清理模块；
所述网络爬虫工具用于采集、汇聚、提取长沙窑文物相关的文史资料、研究文献及图形图像数据，形成长沙窑文物支撑模块；网络爬虫工具还用于采集、汇聚、提取陶瓷产品的文史资料、研究文献、图像数据，形成陶瓷产品数据库；
所述长沙窑文物支撑模块包括文物信息标注模块、文物文本特征提取模块、文物图像特征提取模块以及长沙窑文物知识数据库和长沙窑文物知识图像特征数据库；长沙窑文物支撑模块用于长沙窑文物元素文本及图像特征的提取，构建长沙窑文物知识库和长沙窑设计元素库；
所述陶瓷产品数据库用于面向专业人员提供陶瓷知识数据的填报，填写或上传陶瓷产品数据与图像的基本信息；
长沙窑文物支撑模块与陶瓷产品数据库通过数据清理模块完成去重、去噪处理；
应用支撑层包括用于提供基于语义的长沙窑文物信息检索模块，长沙窑文物元素的风格融合计算模块，以及风格迁移交互管理模块；
长沙窑文物信息检索模块包括对长沙窑文物支撑模块和陶瓷产品数据库进行基于语义的检索；
风格迁移交互管理模块是指通过深度学习风格迁移技术，用户从长沙窑文物支撑模块选择风格图像，再从陶瓷产品数据库选择内容图像，对内容图像实施风格图像的融合，最终得到目标图像成为新的创意素材；
长沙窑文物元素的风格融合计算模块，第一步是通过在大量的陶瓷文物及陶瓷产品图像中进行卷积神经网络的训练，得到含有大量的文物图像特征的神经网络模型VesselShapeNet，接着给定的一张风格图像和一张内容图像，将风格图像经过VesselShapeNet卷积层得到feature maps组成的一个风格图像集合；同样的，内容图像通过VesselShapeNet卷积得到feature maps组成的另一个内容图像集合，第二步是依次通过器形融合、纹样融合、釉色融合生成目标图像，通过VesselShapeNet卷积后生成featuremaps组成两个与风格图像集合和内容图像集合对应的目标图像集合；并通过优化函数调整目标图像，使其既保持内图像的内容, 又具有风格图像的风格；最后通过风格迁移交互管理模块，生成融合后的器物二维图像，再调用3D建模功能，输出展示最终的设计效果图，最终产生新的陶瓷创意产品；
运营交互层用于面向设计师、公众及企业提供交互式的长沙窑文物元素再造设计功能；包括用户管理模块、行业信息模块、业务管理模块、语义检索模块；
用户管理模块，用于对用户的帐户与基本信息进行管理；行业信息模块，用于对集成平台发布的新闻、信息等进行管理；业务管理模块，用于对发生在平台的业务请求进行监控管理，3D建模后匹配生产商并支付费用，实现长沙窑文物元素再造设计并产业化，并对异常业务进行告警；语义检索模块，用于基于文物语义检索的文物素材的浏览。
所述网络爬虫工具默认按照配置的常规网站采用广度优先搜索的原则，抓取包括长沙窑、铜官窑、釉下彩瓷为指定关键词的文史资料、研究文献及图形图像数据；并能接受来自业务支撑层的指令，爬取指定的增量数据作为补充。
所述长沙窑文物支撑模块包括文物信息标注模块、文物文本特征提取模块、文物图像特征提取模块以及长沙窑文物知识数据库和长沙窑文物知识图像特征数据库；
所述的文物信息标注模块通过众包平台的形式向科研人员提供的文物文本语料和图像的标注工具，通过用户参与的各类信息标注任务的质量迭代更新其评分权重，通过质量控制算法，选择最优的答案；质量控制算法为majority voting + 单纯贝叶斯统计结构，引入混淆矩阵和条件概率模型；
所述的文物文本特征提取模块，包括文本预处理和特征提取两个功能；文本预处理主要包括文档切分、文本分词、文本去停用词；特征提取基于BiLSTM-CRF模型，该模型第一步是对语料进行处理，使用word2vec对语料的字进行嵌入，每个字特征为50维；第二步是将字嵌入特征输入给BiLSTM，然后，对输出的隐层加一个线性层，最后加一个条件随机层CRF，；利用图形处理单元GPU大幅度提高训练速度，提取出来的文本特征保存在长沙窑文物知识库中；所述的文物图像特征提取模块，包括通过深度学习技术提取文物的颜色特征、纹理特征、形状特征、空间关系特征，并存入长沙窑文物知识图像特征数据库，建立相关索引；这个模块包括图像预处理和特征提取两个功能，图像预处理主要包括图像损坏检查、图像格式转换、图像格式缩放及图像噪声处理；特征提取是通过一种快速的基于区域的卷积网络方法Faster R-CNN，进行图像特征的提取，Faster R-CNN算法有两大模块组成，一个候选区域网络的候选框提取模块，另一个是Fast R-CNN监测模块；通过该算法提取出的图像特征以特征张量的形式被存储在长沙窑文物知识图像特征数据库，并建立索引；
长沙窑文物知识数据库，是在梳理文物知识体系的基础上，建立起长沙窑文物知识库模式，再将文本提取模块返回的结果填充进知识库中，构成长沙窑文物知识库，用于基于语义的文物知识检索；
长沙窑文物知识图像特征数据库，存储的是文物图像特征提取模块返回的文物图像数字化特征，用于基于内容的图像查找计算。
所述基于语义的长沙窑文物信息检索功能，包括通过对输入的检索条件进行语义处理，提取转换成检索范式，第一步在长沙窑文物知识库中进行检索，系统返回检索相关的文本资料以及相关图像资料；第二步将上一步返回的图像资源读入内存，转化为特征张量，与长沙窑文物设计元素数据库中的图像特征张量的距离计算，选择特征张量最短距离的图像；最后，将第一步返回的文本数据与第二步返回的相似图像数据进行合并输出给用户。
本平台对风格迁移定义了如下的融合规则：
融合规则一，古代器型与现代器型融合，生成备选新器型集合；
融合规则二，古代纹样与现代釉色融合，生成备选纹样集合；
融合规则三，古代釉色与现代釉色融合，生成备选釉色集合；
融合规则四，将备选纹样、备选釉色融合至备选新器型中。
本发明的再造创意设计包括以下操作步骤：
步骤1，构建基础服务层、应用支撑层、运营交互层；
步骤2，构建基于基础服务层的长沙窑文物知识采集工具，以长沙窑文物知识为主的数据库的构建是整个文物元素再造创意设计应用的基础，包括网络数据采集：通过网络爬虫从陶瓷行业垂直网站，根据关键词从百科知识库以及研究资料库中获取以长沙窑文物为主的陶瓷文物数据录入；还包括文物信息录入：作为网络数据采集的补充，用于专业人士提交陶瓷文物数据；
S21长沙窑文物知识采集工具包括文物信息标注模块，通过运营交互层，将需要标注的文本和图像数据分解成不同任务，交由相关专家进行处理，对于同一个标注任务，系统根据质量控制算法进行择优处理，如果超过半数以上的专家达成共识，那么系统会优先选择此类标注结果；标注后的结果为后续文本信息和图像特征提取提供高质量的训练数据集；
S22长沙窑文物知识采集工具还包括文物文本特征提取模块和长沙窑文物文本特征知识数据库；
S221文物文本特征提取模块，首先对数据进行预处理，再对标注训练集以BiLSTM-CRF算法创建信息提取模型，接着对长沙窑文物文本数据进行提取；提取后的数据根据语义特征填充至长沙窑文物文本特征知识数据库中；
S222构建长沙窑文物文本特征知识数据库，通过专家梳理长沙窑文物知识，建立文物知识模式体系；通过对长沙窑文物的文本资料进行信息提取，为后续基于文本语义的检索提供支持；
S23长沙窑文物知识采集工具还包括文物图像特征提取模块和长沙窑文物知识图像特征数据库；
S231文物图像特征提取模块，首先对图像预处理，概包括图像损坏检查、图像格式转换、图像格式缩放及图像噪声处理；再通过基于区域的卷积网络方法Fast R-CNN进行特征提取；
S232构建长沙窑文物知识图像特征数据库，通过对长沙窑文物的图像进行预处理，接着进行深度特征提取，将图像特征以数值张量的形式存储进长沙窑文物知识图像特征数据库中，为后续基于内容的图像检索提供支持；
步骤2，构建基于基础服务层的陶瓷产品数据库，存储现代陶瓷产品数据与图像的基本信息；
步骤3，基于应用支撑层的长沙窑文物信息检索，首先将属于的检索语句进行信息提取，获取检索语句的语义特征，接着根据语义表达转换为检索范式，在本体知识库中检索相关信息，并且将陶瓷产品数据库中的内容图像与长沙窑文物知识图像特征数据库中的风格图像进行比对查找；
S31，检索语句的规范化，检索“淡雅陶瓷”，系统首先将检索语句转换为“陶瓷，淡雅，风格”的检索范式，再通过知识库模式定义的规则，转换为语义检索范式“陶瓷，青色，颜色”；
S32，基于内容的图像检索，将语义检索返回的图像通过Faster R-CNN算法提取出数值张量特征，然后通过长沙窑文物图像特征库的特征索引，通过数值张量距离计算，进行快速查找比对，找到最相似的文物编号，再从文物知识库中查找数据，最后返回原始图像以及相关文本信；
步骤4，基于应用支撑层的长沙窑文物元素的风格融合计算，
首先通过在大量的陶瓷文物图像中进行卷积神经网络的训练得到含有大量的文物图像特征的神经网络模型，根据输入的风格图像和内容图像进行风格融合，最后将文本及类似图像融，得到的图像既保持内容图像的内容, 又有一定的风格图像的目标图像，并将合成的目标图像返回给用户；
S41首先通过在大量的陶瓷文物图像中进行卷积神经网络的训练得到含有大量的文物图像特征的神经网络模型VesselShapeNet，接着给定的一张风格图像和一张内容图像，将风格图像经过VesselShapeNet卷积层得到feature maps组成的一个风格图像集合；同样的，内容图像通过VesselShapeNet卷积得到feature maps组成的另一个内容图像集合；
S42依次通过器形融合、纹样融合、釉色融合生成目标图像，通过VesselShapeNet卷积后生成feature maps组成两个与风格图像集合和内容图像集合对应的目标图像集合；
S43通过优化函数调整目标图像，使其既保持内图像的内容, 又具有风格图像的风格；
步骤5，基于运营交互层的长沙窑文物元素再造创意设计交互；
首先用户在检索页面输入检索语句，调用应用支撑层的文物语义检索模块，获得相关文物样品，通过查询文物图像特征库，获取文物相关特征，包括器型、纹样和釉色；再通过检索得到陶瓷文物的样品，经过查询文物图像特征库查询，返回陶瓷产品的相关特征，通过用户交互，选择需要融合的器型、纹样和釉色后，平台调用应用支撑层的风格融合计算模块，按照定义的器物融合规则；最后通过风格迁移交互管理模块，生成融合后的器物二维图像，再调用3D建模功能，输出展示最终的设计效果图，最终产生新的陶瓷创意产品。
本发明还包括以下商业方法：
用户将最终的设计效果图通过运营交互层中的业务管理模块，匹配生产厂商；并且用户通过业务管理模块中内置的支付程序或第三方支付程序来支付给生产厂商生产费用；成品由生产厂商寄回给用户。
本发明的优点在于，实现了基于长沙窑文物元素的设计、生产、支付、物流一体化的再造创意集成平台及商业方法。实现了对文物内在文化资源和外在艺术资源的深度挖掘以及创意素材的自动生成，丰富了创意，节省了人力资源、设计开发时间和成本；集成了交互设计与管理，使设计与生产相互关联，设计完成后可直接在运营交互层的业务管理模块中直接找生产厂商生产，并支持款项支付功能，具有普及长沙窑文物元素及利用长沙窑文物元素再造创意设计的功能。
附图说明
图1为本发明功能结构框图。
图2为长沙窑文物知识采集工具功能框图。
图3为应用支撑层的深度风格迁移融合算法结构框图。
图4为长沙窑文物元素的风格融合技术模块示意图。
图5为风格迁移交互管理模块的实施例的示意图。
图6为文物文本特征提取算法结构框图。
具体实施方式
下面结合附图1至6对本发明的优选实施例作进一步说明，包括基础服务层、应用支撑层、运营交互层；
基础服务层包括周期性运行网络爬虫工具、长沙窑文物支撑模块、陶瓷产品数据库，以及数据清理模块；
所述网络爬虫工具用于采集、汇聚、提取长沙窑文物相关的文史资料、研究文献及图形图像数据，形成长沙窑文物支撑模块；网络爬虫工具还用于采集、汇聚、提取陶瓷产品的文史资料、研究文献、图像数据，形成陶瓷产品数据库；
所述长沙窑文物支撑模块包括文物信息标注模块、文物文本特征提取模块、文物图像特征提取模块以及长沙窑文物知识数据库和长沙窑文物知识图像特征数据库；长沙窑文物支撑模块用于长沙窑文物元素文本及图像特征的提取，构建长沙窑文物知识库和长沙窑设计元素库；
所述陶瓷产品数据库用于面向专业人员提供陶瓷知识数据的填报，填写或上传陶瓷产品数据与图像的基本信息；
长沙窑文物支撑模块与陶瓷产品数据库通过数据清理模块完成去重、去噪处理；
应用支撑层包括用于提供基于语义的长沙窑文物信息检索模块，长沙窑文物元素的风格融合计算模块，以及风格迁移交互管理模块；
长沙窑文物信息检索模块包括对长沙窑文物支撑模块和陶瓷产品数据库进行基于语义的检索；
风格迁移交互管理模块是指通过深度学习风格迁移技术，用户从长沙窑文物支撑模块选择风格图像，再从陶瓷产品数据库选择内容图像，对内容图像实施风格图像的融合，最终得到目标图像成为新的创意素材；
长沙窑文物元素的风格融合计算模块，第一步是通过在大量的陶瓷文物及陶瓷产品图像中进行卷积神经网络的训练，得到含有大量的文物图像特征的神经网络模型VesselShapeNet，接着给定的一张风格图像和一张内容图像，将风格图像经过VesselShapeNet卷积层得到feature maps组成的一个风格图像集合；同样的，内容图像通过VesselShapeNet卷积得到feature maps组成的另一个内容图像集合，第二步是依次通过器形融合、纹样融合、釉色融合生成目标图像，通过VesselShapeNet卷积后生成featuremaps组成两个与风格图像集合和内容图像集合对应的目标图像集合；并通过优化函数调整目标图像，使其既保持内图像的内容, 又具有风格图像的风格；最后通过风格迁移交互管理模块，生成融合后的器物二维图像，再调用3D建模功能，输出展示最终的设计效果图，最终产生新的陶瓷创意产品；
运营交互层用于面向设计师、公众及企业提供交互式的长沙窑文物元素再造设计功能；包括用户管理模块、行业信息模块、业务管理模块、语义检索模块；
用户管理模块，用于对用户的帐户与基本信息进行管理；行业信息模块，用于对集成平台发布的新闻、信息等进行管理；业务管理模块，用于对发生在平台的业务请求进行监控管理，3D建模后匹配生产商并支付费用，实现长沙窑文物元素再造设计并产业化，并对异常业务进行告警；语义检索模块，用于基于文物语义检索的文物素材的浏览。
所述网络爬虫工具默认按照配置的常规网站采用广度优先搜索的原则，抓取包括长沙窑、铜官窑、釉下彩瓷为指定关键词的文史资料、研究文献及图形图像数据；并能接受来自业务支撑层的指令，爬取指定的增量数据作为补充。
所述长沙窑文物支撑模块包括文物信息标注模块、文物文本特征提取模块、文物图像特征提取模块以及长沙窑文物知识数据库和长沙窑文物知识图像特征数据库；
所述的文物信息标注模块通过众包平台的形式向科研人员提供的文物文本语料和图像的标注工具，通过用户参与的各类信息标注任务的质量迭代更新其评分权重，通过质量控制算法，选择最优的答案；质量控制算法为majority voting + 单纯贝叶斯统计结构，引入混淆矩阵和条件概率模型；尽可能充分考虑所有人不同标注结果与其个人评分所提供的参考价值，而非单纯放弃某些答案；
所述的文物文本特征提取模块，包括文本预处理和特征提取两个功能；文本预处理主要包括文档切分、文本分词、文本去停用词；特征提取基于BiLSTM-CRF模型，该模型第一步是对语料进行处理，使用word2vec对语料的字进行嵌入，每个字特征为50维；第二步是将字嵌入特征输入给BiLSTM，然后，对输出的隐层加一个线性层，最后加一个条件随机层CRF，条件随机层CRF是一种无向图模型，近年来在分词、词性标注和命名实体识别等序列标注任务中取得了很好的效果；该模型表现出比传统机器学习的方法，具备更好的灵活性，尤其适合大量语料的场景，利用图形处理单元GPU大幅度提高训练速度，GPU主要进行浮点运算和并行运算，其浮点运算和并行运算速度可以比CPU强上百倍之多，提取出来的文本特征保存在长沙窑文物知识库中；所述的文物图像特征提取模块，包括通过深度学习技术提取文物的颜色特征、纹理特征、形状特征、空间关系特征，并存入长沙窑文物知识图像特征数据库，建立相关索引；这个模块包括图像预处理和特征提取两个功能，图像预处理主要包括图像损坏检查、图像格式转换、图像格式缩放及图像噪声处理；特征提取是通过一种快速的基于区域的卷积网络方法Faster R-CNN，进行图像特征的提取，Faster R-CNN算法有两大模块组成，一个候选区域网络的候选框提取模块，另一个是Fast R-CNN监测模块；通过该算法提取出的图像特征以特征张量的形式被存储在长沙窑文物知识图像特征数据库，并建立索引；
长沙窑文物知识数据库，是在梳理文物知识体系的基础上，建立起长沙窑文物知识库模式，再将文本提取模块返回的结果填充进知识库中，构成长沙窑文物知识库，用于基于语义的文物知识检索；
长沙窑文物知识图像特征数据库，存储的是文物图像特征提取模块返回的文物图像数字化特征，用于基于内容的图像查找计算。
所述基于语义的长沙窑文物信息检索功能，包括通过对输入的检索条件进行语义处理，提取转换成检索范式，第一步在长沙窑文物知识库中进行检索，系统返回检索相关的文本资料以及相关图像资料；第二步将上一步返回的图像资源读入内存，转化为特征张量，与长沙窑文物设计元素数据库中的图像特征张量的距离计算，选择特征张量最短距离的图像；最后，将第一步返回的文本数据与第二步返回的相似图像数据进行合并输出给用户。
本平台对风格迁移定义了如下的融合规则：
融合规则一，古代器型与现代器型融合，生成备选新器型集合；
融合规则二，古代纹样与现代釉色融合，生成备选纹样集合；
融合规则三，古代釉色与现代釉色融合，生成备选釉色集合；
融合规则四，将备选纹样、备选釉色融合至备选新器型中。
本发明的再造创意设计包括以下操作步骤：
步骤1，构建基础服务层、应用支撑层、运营交互层；
步骤2，构建基于基础服务层的长沙窑文物知识采集工具，以长沙窑文物知识为主的数据库的构建是整个文物元素再造创意设计应用的基础，包括网络数据采集：通过网络爬虫从陶瓷行业垂直网站，根据关键词从百科知识库以及研究资料库中获取以长沙窑文物为主的陶瓷文物数据录入；还包括文物信息录入：作为网络数据采集的补充，用于专业人士提交陶瓷文物数据；
S21长沙窑文物知识采集工具包括文物信息标注模块，通过运营交互层，将需要标注的文本和图像数据分解成不同任务，交由相关专家进行处理，对于同一个标注任务，系统根据质量控制算法进行择优处理，如果超过半数以上的专家达成共识，那么系统会优先选择此类标注结果；标注后的结果为后续文本信息和图像特征提取提供高质量的训练数据集；
S22长沙窑文物知识采集工具还包括文物文本特征提取模块和长沙窑文物文本特征知识数据库；
S221文物文本特征提取模块，首先对数据进行预处理，再对标注训练集以BiLSTM-CRF算法创建信息提取模型，接着对长沙窑文物文本数据进行提取；提取后的数据根据语义特征填充至长沙窑文物文本特征知识数据库中；
S222构建长沙窑文物文本特征知识数据库，通过专家梳理长沙窑文物知识，建立文物知识模式体系；通过对长沙窑文物的文本资料进行信息提取，为后续基于文本语义的检索提供支持；
S23长沙窑文物知识采集工具还包括文物图像特征提取模块和长沙窑文物知识图像特征数据库；
S231文物图像特征提取模块，首先对图像预处理，概包括图像损坏检查、图像格式转换、图像格式缩放及图像噪声处理；再通过基于区域的卷积网络方法Fast R-CNN进行特征提取；
S232构建长沙窑文物知识图像特征数据库，通过对长沙窑文物的图像进行预处理，接着进行深度特征提取，将图像特征以数值张量的形式存储进长沙窑文物知识图像特征数据库中，为后续基于内容的图像检索提供支持；
步骤2，构建基于基础服务层的陶瓷产品数据库，存储现代陶瓷产品数据与图像的基本信息；
步骤3，基于应用支撑层的长沙窑文物信息检索，首先将属于的检索语句进行信息提取，获取检索语句的语义特征，接着根据语义表达转换为检索范式，在本体知识库中检索相关信息，并且将陶瓷产品数据库中的内容图像与长沙窑文物知识图像特征数据库中的风格图像进行比对查找；
S31，检索语句的规范化，检索“淡雅陶瓷”，系统首先将检索语句转换为“陶瓷，淡雅，风格”的检索范式，再通过知识库模式定义的规则，转换为语义检索范式“陶瓷，青色，颜色”；
S32，基于内容的图像检索，将语义检索返回的图像通过Faster R-CNN算法提取出数值张量特征，然后通过长沙窑文物图像特征库的特征索引，通过数值张量距离计算，进行快速查找比对，找到最相似的文物编号，再从文物知识库中查找数据，最后返回原始图像以及相关文本信；
步骤4，基于应用支撑层的长沙窑文物元素的风格融合计算，
首先通过在大量的陶瓷文物图像中进行卷积神经网络的训练得到含有大量的文物图像特征的神经网络模型，根据输入的风格图像和内容图像进行风格融合，最后将文本及类似图像融，得到的图像既保持内容图像的内容, 又有一定的风格图像的目标图像，并将合成的目标图像返回给用户；
S41首先通过在大量的陶瓷文物图像中进行卷积神经网络的训练得到含有大量的文物图像特征的神经网络模型VesselShapeNet，接着给定的一张风格图像和一张内容图像，将风格图像经过VesselShapeNet卷积层得到feature maps组成的一个风格图像集合；同样的，内容图像通过VesselShapeNet卷积得到feature maps组成的另一个内容图像集合；
S42依次通过器形融合、纹样融合、釉色融合生成目标图像，通过VesselShapeNet卷积后生成feature maps组成两个与风格图像集合和内容图像集合对应的目标图像集合；
S43通过优化函数调整目标图像，使其既保持内图像的内容, 又具有风格图像的风格；
步骤5，基于运营交互层的长沙窑文物元素再造创意设计交互；
首先用户在检索页面输入检索语句，调用应用支撑层的文物语义检索模块，获得相关文物样品，通过查询文物图像特征库，获取文物相关特征，包括器型、纹样和釉色；再通过检索得到陶瓷文物的样品，经过查询文物图像特征库查询，返回陶瓷产品的相关特征，通过用户交互，选择需要融合的器型、纹样和釉色后，平台调用应用支撑层的风格融合计算模块，按照定义的器物融合规则；最后通过风格迁移交互管理模块，生成融合后的器物二维图像，再调用3D建模功能，输出展示最终的设计效果图，最终产生新的陶瓷创意产品。参见附图5。
本发明还包括以下商业方法：
用户将最终的设计效果图通过运营交互层中的业务管理模块，匹配生产厂商；并且用户通过业务管理模块中内置的支付程序或第三方支付程序来支付给生产厂商生产费用；成品由生产厂商寄回给用户。
本发明实现了基于长沙窑文物元素的设计、生产、支付、物流一体化的再造创意集成平台及商业方法。实现了对文物内在文化资源和外在艺术资源的深度挖掘以及创意素材的自动生成，丰富了创意，节省了人力资源、设计开发时间和成本；集成了交互设计与管理，使设计与生产相互关联，设计完成后可直接在运营交互层的业务管理模块中直接找生产厂商生产，并支持款项支付功能，具有普及长沙窑文物元素及利用长沙窑文物元素再造创意设计的功能。
Claims (7)
1.一种基于长沙窑文物元素再造创意设计集成平台，其特征在于：包括基础服务层、应用支撑层、运营交互层；
基础服务层包括周期性运行网络爬虫工具、长沙窑文物支撑模块、陶瓷产品数据库，以及数据清理模块；
所述网络爬虫工具用于采集、汇聚、提取长沙窑文物相关的文史资料、研究文献及图形图像数据，形成长沙窑文物支撑模块；网络爬虫工具还用于采集、汇聚、提取陶瓷产品的文史资料、研究文献、图像数据，形成陶瓷产品数据库；
所述长沙窑文物支撑模块包括文物信息标注模块、文物文本特征提取模块、文物图像特征提取模块以及长沙窑文物知识数据库和长沙窑文物知识图像特征数据库；长沙窑文物支撑模块用于长沙窑文物元素文本及图像特征的提取，构建长沙窑文物知识库和长沙窑设计元素库；
所述陶瓷产品数据库用于面向专业人员提供陶瓷知识数据的填报，填写或上传陶瓷产品数据与图像的基本信息；
长沙窑文物支撑模块与陶瓷产品数据库通过数据清理模块完成去重、去噪处理；
应用支撑层包括用于提供基于语义的长沙窑文物信息检索模块，长沙窑文物元素的风格融合计算模块，以及风格迁移交互管理模块；
长沙窑文物信息检索模块包括对长沙窑文物支撑模块和陶瓷产品数据库进行基于语义的检索；
风格迁移交互管理模块是指通过深度学习风格迁移技术，用户从长沙窑文物支撑模块选择风格图像，再从陶瓷产品数据库选择内容图像，对内容图像实施风格图像的融合，最终得到目标图像成为新的创意素材；
长沙窑文物元素的风格融合计算模块，第一步是通过在大量的陶瓷文物及陶瓷产品图像中进行卷积神经网络的训练，得到含有大量的文物图像特征的神经网络模型VesselShapeNet，接着给定的一张风格图像和一张内容图像，将风格图像经过VesselShapeNet卷积层得到feature maps组成的一个风格图像集合；同样的，内容图像通过VesselShapeNet卷积得到feature maps组成的另一个内容图像集合，第二步是依次通过器形融合、纹样融合、釉色融合生成目标图像，通过VesselShapeNet卷积后生成featuremaps组成两个与风格图像集合和内容图像集合对应的目标图像集合；并通过优化函数调整目标图像，使其既保持内图像的内容, 又具有风格图像的风格；最后通过风格迁移交互管理模块，生成融合后的器物二维图像，再调用3D建模功能，输出展示最终的设计效果图，最终产生新的陶瓷创意产品；
运营交互层用于面向设计师、公众及企业提供交互式的长沙窑文物元素再造设计功能；包括用户管理模块、行业信息模块、业务管理模块、语义检索模块；
用户管理模块，用于对用户的帐户与基本信息进行管理；行业信息模块，用于对集成平台发布的新闻、信息进行管理；业务管理模块，用于对发生在平台的业务请求进行监控管理，3D建模后匹配生产商并支付费用，实现长沙窑文物元素再造设计并产业化，并对异常业务进行告警；语义检索模块，用于基于文物语义检索的文物素材的浏览。
2.根据权利要求1所述的一种基于长沙窑文物元素再造创意设计集成平台，其特征在于：
所述网络爬虫工具默认按照配置的常规网站采用广度优先搜索的原则，抓取包括长沙窑、铜官窑、釉下彩瓷为指定关键词的文史资料、研究文献及图形图像数据；并能接受来自业务支撑层的指令，爬取指定的增量数据作为补充。
3.根据权利要求1所述的一种基于长沙窑文物元素再造创意设计集成平台，其特征在于：
所述长沙窑文物支撑模块包括文物信息标注模块、文物文本特征提取模块、文物图像特征提取模块以及长沙窑文物知识数据库和长沙窑文物知识图像特征数据库；
所述的文物信息标注模块通过众包平台的形式向科研人员提供的文物文本语料和图像的标注工具，通过用户参与的各类信息标注任务的质量迭代更新其评分权重，通过质量控制算法，选择最优的答案；质量控制算法为majority voting + 单纯贝叶斯统计结构，引入混淆矩阵和条件概率模型；
所述的文物文本特征提取模块，包括文本预处理和特征提取两个功能；文本预处理包括文档切分、文本分词、文本去停用词；特征提取基于BiLSTM-CRF模型，该模型第一步是对语料进行处理，使用word2vec对语料的字进行嵌入，每个字特征为50维；第二步是将字嵌入特征输入给BiLSTM，然后，对输出的隐层加一个线性层，最后加一个条件随机层CRF；利用图形处理单元GPU大幅度提高训练速度，提取出来的文本特征保存在长沙窑文物知识库中；所述的文物图像特征提取模块，包括通过深度学习技术提取文物的颜色特征、纹理特征、形状特征、空间关系特征，并存入长沙窑文物知识图像特征数据库，建立相关索引；这个模块包括图像预处理和特征提取两个功能，图像预处理包括图像损坏检查、图像格式转换、图像格式缩放及图像噪声处理；特征提取是通过一种快速的基于区域的卷积网络方法Faster R-CNN，进行图像特征的提取，Faster R-CNN算法有两大模块组成，一个候选区域网络的候选框提取模块，另一个是Fast R-CNN监测模块；通过该算法提取出的图像特征以特征张量的形式被存储在长沙窑文物知识图像特征数据库，并建立索引；
长沙窑文物知识数据库，是在梳理文物知识体系的基础上，建立起长沙窑文物知识库模式，再将文本提取模块返回的结果填充进知识库中，构成长沙窑文物知识库，用于基于语义的文物知识检索；
长沙窑文物知识图像特征数据库，存储的是文物图像特征提取模块返回的文物图像数字化特征，用于基于内容的图像查找计算。
4.根据权利要求1所述的一种基于长沙窑文物元素再造创意设计集成平台，其特征在于：
基于语义的长沙窑文物信息检索功能，包括通过对输入的检索条件进行语义处理，提取转换成检索范式，第一步在长沙窑文物知识库中进行检索，系统返回检索相关的文本资料以及相关图像资料；第二步将上一步返回的图像资源读入内存，转化为特征张量，与长沙窑文物设计元素数据库中的图像特征张量的距离计算，选择特征张量最短距离的图像；最后，将第一步返回的文本数据与第二步返回的相似图像数据进行合并输出给用户。
5.根据权利要求1所述的一种基于长沙窑文物元素再造创意设计集成平台，其特征在于本平台对风格迁移定义了如下的融合规则：
融合规则一，古代器型与现代器型融合，生成备选新器型集合；
融合规则二，古代纹样与现代釉色融合，生成备选纹样集合；
融合规则三，古代釉色与现代釉色融合，生成备选釉色集合；
融合规则四，将备选纹样、备选釉色融合至备选新器型中。
6.根据权利要求1至5任一项所述的一种基于长沙窑文物元素再造创意设计集成平台，其特征在于包括以下操作步骤：
步骤1，构建基础服务层、应用支撑层、运营交互层；
步骤2，构建基于基础服务层的长沙窑文物知识采集工具，以长沙窑文物知识为主的数据库的构建是整个文物元素再造创意设计应用的基础，包括网络数据采集：通过网络爬虫从陶瓷行业垂直网站，根据关键词从百科知识库以及研究资料库中获取以长沙窑文物为主的陶瓷文物数据录入；还包括文物信息录入：作为网络数据采集的补充，用于专业人士提交陶瓷文物数据；
S21长沙窑文物知识采集工具包括文物信息标注模块，通过运营交互层，将需要标注的文本和图像数据分解成不同任务，交由相关专家进行处理，对于同一个标注任务，系统根据质量控制算法进行择优处理，如果超过半数以上的专家达成共识，那么系统会优先选择此类标注结果；标注后的结果为后续文本信息和图像特征提取提供高质量的训练数据集；
S22长沙窑文物知识采集工具还包括文物文本特征提取模块和长沙窑文物文本特征知识数据库；
S221文物文本特征提取模块，首先对数据进行预处理，再对标注训练集以BiLSTM-CRF算法创建信息提取模型，接着对长沙窑文物文本数据进行提取；提取后的数据根据语义特征填充至长沙窑文物文本特征知识数据库中；
S222构建长沙窑文物文本特征知识数据库，通过专家梳理长沙窑文物知识，建立文物知识模式体系；通过对长沙窑文物的文本资料进行信息提取，为后续基于文本语义的检索提供支持；
S23长沙窑文物知识采集工具还包括文物图像特征提取模块和长沙窑文物知识图像特征数据库；
S231文物图像特征提取模块，首先对图像预处理，概包括图像损坏检查、图像格式转换、图像格式缩放及图像噪声处理；再通过基于区域的卷积网络方法Fast R-CNN进行特征提取；
S232构建长沙窑文物知识图像特征数据库，通过对长沙窑文物的图像进行预处理，接着进行深度特征提取，将图像特征以数值张量的形式存储进长沙窑文物知识图像特征数据库中，为后续基于内容的图像检索提供支持；
步骤2，构建基于基础服务层的陶瓷产品数据库，存储现代陶瓷产品数据与图像的基本信息；
步骤3，基于应用支撑层的长沙窑文物信息检索，首先将属于的检索语句进行信息提取，获取检索语句的语义特征，接着根据语义表达转换为检索范式，在本体知识库中检索相关信息，并且将陶瓷产品数据库中的内容图像与长沙窑文物知识图像特征数据库中的风格图像进行比对查找；
S31，检索语句的规范化，检索“淡雅陶瓷”，系统首先将检索语句转换为“陶瓷，淡雅，风格”的检索范式，再通过知识库模式定义的规则，转换为语义检索范式“陶瓷，青色，颜色”；
S32，基于内容的图像检索，将语义检索返回的图像通过Faster R-CNN算法提取出数值张量特征，然后通过长沙窑文物图像特征库的特征索引，通过数值张量距离计算，进行快速查找比对，找到最相似的文物编号，再从文物知识库中查找数据，最后返回原始图像以及相关文本信；
步骤4，基于应用支撑层的长沙窑文物元素的风格融合计算，
首先通过在大量的陶瓷文物图像中进行卷积神经网络的训练得到含有大量的文物图像特征的神经网络模型，根据输入的风格图像和内容图像进行风格融合，最后将文本及类似图像融，得到的图像既保持内容图像的内容, 又有一定的风格图像的目标图像，并将合成的目标图像返回给用户；
S41首先通过在大量的陶瓷文物图像中进行卷积神经网络的训练得到含有大量的文物图像特征的神经网络模型VesselShapeNet，接着给定的一张风格图像和一张内容图像，将风格图像经过VesselShapeNet卷积层得到feature maps组成的一个风格图像集合；同样的，内容图像通过VesselShapeNet卷积得到feature maps组成的另一个内容图像集合；
S42依次通过器形融合、纹样融合、釉色融合生成目标图像，通过VesselShapeNet卷积后生成feature maps组成两个与风格图像集合和内容图像集合对应的目标图像集合；
S43通过优化函数调整目标图像，使其既保持内图像的内容, 又具有风格图像的风格；
步骤5，基于运营交互层的长沙窑文物元素再造创意设计交互；
首先用户在检索页面输入检索语句，调用应用支撑层的文物语义检索模块，获得相关文物样品，通过查询文物图像特征库，获取文物相关特征，包括器型、纹样和釉色；再通过检索得到陶瓷文物的样品，经过查询文物图像特征库查询，返回陶瓷产品的相关特征，通过用户交互，选择需要融合的器型、纹样和釉色后，平台调用应用支撑层的风格融合计算模块，按照定义的器物融合规则；最后通过风格迁移交互管理模块，生成融合后的器物二维图像，再调用3D建模功能，输出展示最终的设计效果图，最终产生新的陶瓷创意产品。
7.根据权利要求6所述的一种基于长沙窑文物元素再造创意设计集成平台，其特征在于包括以下商业方法：
用户将最终的设计效果图通过运营交互层中的业务管理模块，匹配生产厂商；并且用户通过业务管理模块中内置的支付程序或第三方支付程序来支付给生产厂商生产费用；成品由生产厂商寄回给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810913620.2A CN109344425B (zh) | 2018-08-13 | 2018-08-13 | 一种基于长沙窑文物元素再造创意设计集成平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810913620.2A CN109344425B (zh) | 2018-08-13 | 2018-08-13 | 一种基于长沙窑文物元素再造创意设计集成平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109344425A CN109344425A (zh) | 2019-02-15 |
| CN109344425B true CN109344425B (zh) | 2020-11-13 |
Family
ID=65291714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810913620.2A Expired - Fee Related CN109344425B (zh) | 2018-08-13 | 2018-08-13 | 一种基于长沙窑文物元素再造创意设计集成平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109344425B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110990563A (zh) * | 2019-11-18 | 2020-04-10 | 北京信息科技大学 | 一种基于人工智能的传统文化素材库构建方法及系统 |
| CN112307772B (zh) * | 2020-11-05 | 2022-03-25 | 广东工业大学 | 一种基于语义本体的广彩瓷知识库的构建方法 |
| CN112634282B (zh) * | 2020-12-18 | 2024-02-13 | 北京百度网讯科技有限公司 | 图像处理方法、装置以及电子设备 |
| CN112561785B (zh) * | 2020-12-21 | 2021-11-16 | 东华大学 | 基于风格迁移的丝绸文物图像数据扩充方法 |
| CN112966087B (zh) * | 2021-03-15 | 2023-10-13 | 中国美术学院 | 一种灵感素材的智能问答系统及方法 |
| CN113989792A (zh) * | 2021-10-29 | 2022-01-28 | 天津大学 | 一种基于融合特征的文物推荐算法 |
| CN114911774B (zh) * | 2022-05-27 | 2023-03-24 | 国网河北省电力有限公司营销服务中心 | 一种用户导向的电网服务型数据库系统及其应用 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104484326A (zh) * | 2014-09-30 | 2015-04-01 | 天津大学 | 一种基于可视分析的文物集成信息的交互探索方法 |
| CN104794202A (zh) * | 2015-04-23 | 2015-07-22 | 浙江大学 | 一种面向创意设计的文物知识库系统构建的方法 |
-
2018
- 2018-08-13 CN CN201810913620.2A patent/CN109344425B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104484326A (zh) * | 2014-09-30 | 2015-04-01 | 天津大学 | 一种基于可视分析的文物集成信息的交互探索方法 |
| CN104794202A (zh) * | 2015-04-23 | 2015-07-22 | 浙江大学 | 一种面向创意设计的文物知识库系统构建的方法 |
Non-Patent Citations (3)
| Title |
|---|
| "Acquisition and Digital Representation of Prototype of Changsha Kiln Things";Jun Yi;《 2015 Digital Heritage》;20160225;第1-2页 * |
| "长沙窑信息服务平台的设计应用研究";罗懿;《万方学位论文》;20170905;第四章 * |
| "面向文化创意设计的器物知识集成与管理";罗仕鉴 等;《计算机集成制造系统》;20180430;第24卷(第4期);第964-974页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109344425A (zh) | 2019-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109344425B (zh) | 一种基于长沙窑文物元素再造创意设计集成平台 | |
| CN108629338B (zh) | 一种基于lbp和卷积神经网络的人脸美丽预测方法 | |
| CN106355627A (zh) | 一种用于生成知识图谱的方法及系统 | |
| CN104809142A (zh) | 商标查询系统和方法 | |
| Kumar et al. | Detection of disaster-affected cultural heritage sites from social media images using deep learning techniques | |
| CN104573231A (zh) | 基于bim的智慧楼宇系统和方法 | |
| CN110196945B (zh) | 一种基于LSTM与LeNet融合的微博用户年龄预测方法 | |
| CN101556574A (zh) | 基于用户意愿的计算机智能起名 | |
| Anichini et al. | Developing the ArchAIDE application: a digital workflow for identifying, organising and sharing archaeological pottery using automated image recognition | |
| Li | [Retracted] Intelligent Environmental Art Design Combining Big Data and Artificial Intelligence | |
| CN104794202A (zh) | 一种面向创意设计的文物知识库系统构建的方法 | |
| Jalandoni et al. | On the use of Machine Learning methods in rock art research with application to automatic painted rock art identification | |
| Kang et al. | Emotional design of bamboo chair based on deep convolution neural network and deep convolution generative adversarial network | |
| CN105740360B (zh) | 艺术品图像中古典母题的识别与检索方法 | |
| CN105139452B (zh) | 一种基于图像分割的地质曲线重建方法 | |
| Fu et al. | [Retracted] Online Simulation of Illustration Patterns Based on Digital Art Design | |
| Sanders | Neural networks, AI, phone-based VR, machine learning, computer vision and the CUNAT automated translation app–not your father’s archaeological toolkit | |
| CN116127959A (zh) | 基于深度学习的图像意境挖掘与意境转换中国古诗的方法 | |
| CN114840680A (zh) | 一种实体关系联合抽取方法、装置、存储介质及终端 | |
| CN114676206A (zh) | 多元异构丝绸遗产时空要素统一组织表达和检索方法 | |
| Güzelci | A machine learning-based model to predict the cap geometry of Anatolian Seljuk Kümbets | |
| Mukhamadeyeva et al. | Digitalization of the Historical and Cultural Heritage of Kazakhstan | |
| Cheng et al. | A Camel’s Pace: A Cautionary Global | |
| Demján et al. | Laser-aided profile measurement and cluster analysis of ceramic shapes | |
| Hasey et al. | Form data as a resource in architectural analysis: an architectural distant reading of wooden churches from the Carpathian Mountain regions of Eastern Europe |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201113 |