厦门特产介绍之厦门珠绣

  ,是具有独特艺术风格的装饰性。以新颖别致、富丽堂皇、光彩夺目见称,已有一百多年的历史。厦门珠绣以新颖别致、富丽堂皇、光彩夺目见称,有珠拖鞋、珠挂图,珠绣包等一百多个品种。这些产品均采用闪亮夺目,五彩缤纷的玻璃珠子和电光胶片,运用凸绣、平绣、串绣、粒绣、、竖针绣、叠片绣等传统的工艺手法、绣制出浅浮雕式图案。全珠图案构图严谨、密不容针;半珠图案优雅秀美,清新悦目。

  珠绣挂图《厦门海堤》、《长江大桥》、《龙凤戏珠》等,构图清新,设色柔和,景物逼真,层次分明,参加过全省、全国工艺美术展览,并被选为礼品赠送国际友人。 厦门珠绣

  珠绣拖鞋,绣工考究,样式大方,品种多样,穿着舒适。有的鞋面纯系玻璃珠子绣成,有的则在丝绒面上用彩珠绣成珍禽花卉等各色图案,绚丽多彩,柔软舒适,尤其是夜间穿用,在灯光照射下,熠熠闪烁,光彩耀人。厦门拖鞋,以其设计新颖,造型别致,工艺精细,风格独特,受到国内外客商的好评。

   历史

    珠绣起源于唐朝,鼎盛于明清时期,解放后工艺逐渐失传。其设计精美,色彩对比强烈,经过专业绣工将多种色彩的珠粒经手工缝制而成,具有独特的装饰手法和艺术风格,其珠光宝气,晶莹华丽、新颖别致、色彩明快,经光线折射又有浮雕效果,是现代生活理想的高档时尚礼品、室内装饰品。
  珠绣采用彩色玻璃珠、电光片为原料,运用多种针法与手法,使产品具有珠光灿烂、绚丽多彩的一类刺绣。珠绣分半珠绣和全珠绣两种。
  厦门珠绣工艺的历史有近百年,早在上世纪20年代初期,一些华侨从海外带回一些玻璃珠点缀的绣花拖鞋,厦门民间制鞋艺人看了爱不释手,从中受到启发,设法从、南洋一带捎回一些玻璃珠子,开始尝试在鞋面上绣出各种花鸟图案。于是,厦门珠拖便开始流行开了。
  上世纪20年代,路几乎成了珠拖一条街,“活源皮行”从海外进口丝绒、玻璃珠等材料,雇请一些民间艺人制作各式拖鞋,除内销外,还开始出口到东南亚一带。到了上世纪50年代,厦门将民间艺人集中起来,组建厦门珠绣拖鞋厂,专门生产珠绣和珠拖鞋。
  厦门珠绣拖鞋厂生产的珠绣拖鞋出口到亚、欧、美的50多个国家或地区。在1989年7月举行的首届国际博览会上,该厂生产的牌珍珠拖鞋荣获金牌奖。珠绣主要原材料为玻璃珠、电光胶片和丝绒。其工艺是运用凸绣、平绣、串绣、粒绣、乱针绣、竖直绣、叠片绣等传统的工艺手法,绣制出浅浮雕式图案。.

   现状

    上世纪七八十年代,珠绣拖鞋、包袋曾是厦、漳的特色工艺品,风靡海内外。但现在这门手艺几乎失传 老太欲重振厦门珠绣

  了。厦门三度空间邓彩端的脑袋里装着1000多种珠绣图案,七旬老太邓彩端欲注入20万元资金,重振这门工艺.。
  珠拖绣工极为考究,有的鞋面纯以玻璃珠子绣成,有的则在丝绒面上用彩珠绣成珍禽花卉等各色图案,绚丽多彩,尤其是夜间穿用,在灯光照射下,熠熠闪烁,贵气逼人。彩端当年是漳州巷口珠绣工艺厂的厂长,每年都要设计出100多种图案参加广交会,10几年下来,她的脑袋里装了上千种图案,甚至不必画底稿,拿起针就能绣出新图。她把拖鞋摆上各宾馆的楼梯口,许多老外拿起拖鞋爱不释手,不会说英语的邓彩端便将他们拉到展馆内,请翻译介绍,订单纷至沓来。巷口珠绣厂生产的“玉晶牌”珠绣拖鞋被评为“名鞋”,彩端也获得“省劳模”、“三八红旗手”等荣誉。
  “如今正流行复古风,随着家居环境的改善,珠绣拖鞋一定会受到喜爱,可以成为厦、漳的特色旅游工艺品。只要有资金注入,把当年的姐妹们召集到一起,复兴这门工艺。”。


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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