莱佛士课堂 | 一场丝绸之路艺术的深度探索之旅

在明媚的夏日午后,一场别开生面的课程即将拉开序幕——为了让学生们更好地理解“20th Century Styles and Trends”(20世纪的风格与流行趋势)这门课程的知识,广州莱佛士设计学院的Patty老师带领学生们踏入了广东省丝绸博物馆的殿堂,开启了一场关于岭南文化、海上丝绸之路以及丝绸艺术领域的深度探索之旅。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

步入博物馆,一股融合了古典韵味与现代气息的氛围扑面而来。Patty老师边解说,边引领学生们参观各个展厅,其中“海上丝绸之路”展区尤为耀眼。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

丝绸,作为中国的瑰宝,通过这条路线传遍了世界各地,许多西方设计师的作品中,都或多或少地融入了东方元素,这就是丝绸艺术跨越时空的魅力所在。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

随着Patty老师深入的讲解,学生们开始尝试着从艺术的角度去分析每个时期流行的趋势和风格特点。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

香云纱展区更是以其独特的魅力吸引了大家的目光,作为广东地区的特色瑰宝,香云纱以其独特的“三蒸九煮十八晒”制作工艺和优雅的质感闻名遐迩,素有“一两黄金一两纱”的美誉。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

在这里,学生们深入了解了香云纱的历史渊源、制作工艺等,并对其独特的美学价值与艺术魅力有了更为深刻的认识与感悟。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

此外,博物馆还展示了品类繁多的丝绸珍品,其中包括技艺精湛的缂丝作品。缂丝以其复杂的织造工艺、精细的图案设计及独特的艺术表现力令人叹为观止,被誉为中国传统手工艺中的瑰宝与巅峰之作。

一场丝绸之路艺术的深度探索之旅-莱佛士设计学院官网

学生们通过此次参观博物馆,可以更加直观地感受到历史的厚重与文化的深邃,同时对岭南文化和丝绸艺术有了全面和深入的了解,从而激化他们设计的灵感。

· 以上部分图片为莱佛士学生本人,未经允许请勿转载!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值