“逃跑的萝卜”风靡日本

在日本的网络上，“逃跑的萝卜”系列图片已成为热门话题——萝卜的尾部大大分开，就像是两条腿前后打开，然后双手用力摆动奔跑的样子。日本兵库县龙野市种植萝卜的一名农妇把“逃跑萝卜”的图片上传至网络，引起强烈反响。现存已被用来给当地做广告宣传。     

网络课件中组合动画制作方法研究

动画是网络课件中的重要素材。针对二维动画立体感差、三维动画所占存储空间太大的缺点，提出了将三维动画与二维动画相结合，利用3DMAX软件导出三维动画的若干关键帧图片，在Flash软件中按顺序导入所得到的这些图片，制作出二维的逐帧动画。用这种方法制作的组合动画不仅立体感强，而且存储容量较小，满足了网络课件的要求。     

基于改进的生成对抗网络漫画风格迁移的图片生成

在VGG生成对抗网络的基础上,提出了一种改进的基于残差网络的生成对抗网络漫画风格迁移的图片生成技术,用于图片特征提取及图片生成,使具有漫画家卡通风格的特征迁移到现实图片中,和VGG生成对抗网络相比,在一定程度上缓解了梯度消失、过拟合等问题.实验表明,相较于VGG生成对抗网络,改进后的模型在图像特征提取及生成都表现了更好的性能.     

基于生成对抗网络的HDR图像风格迁移技术

针对高动态范围(high dynamic range,HDR)图像较为复杂耗时的合成流程,提出一种基于生成对抗网络的HDR图像风格迁移技术.首先,构建两个生成对抗网络的训练集:普通图片与低曝光HDR图片,普通图片与高曝光HDR图片;然后,通过生成对抗网络训练,得到普通图片到低曝光HDR图片和普通图片到高曝光HDR图片两个生成模型;最后,将模型输出的高低曝光图像和原图合成HDR文件,再通过色调映射形成最终HDR风格迁移后的图像.实验结果表明,这种方法不仅有效解决了HDR图像风格迁移问题,也充分表明了生成对抗网络在图像编辑中的优越性.     

用自适应谐振网络进行图像纹理的分类与识别

分析了逢适应谐振神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别结果难验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果。     

凭想象找图片

新的图片识别技术，或许会成为未来选美比赛的裁判。而在浩瀚的网络海洋中，你将可以搜索你梦想的笑容。     

一种基于孪生网络的图片匹配算法

随着卷积神经网络（Convolutional Neural Networks,CNN）的不断改进，基于CNN的图片匹配成为图像处理的关键，然而，许多基于CNN的图像相似度检测算法对图像特征的表达能力较差，且曼哈顿距离或欧式距离的计算方式导致在计算损失函数时模型不一定能很好地收敛.针对此问题，提出一种基于孪生网络和注意力机制的方法（CSNET）来提升图像匹配的性能，主要步骤如下：使用将激活函数改进为Mish函数的VGG16网络作为主干网络提取图像的特征，在模型的卷积层加入注意力机制模块（Convolutional Block Attention Module,CBAM），这提高了模型的特征提取能力和鲁棒性，保证训练可以收敛.对模型输入图片对的特征向量的欧氏距离，再利用网络全连接层输出的相似度分数来度量被检图片是否相似.将提出的CSNET与其他图片匹配方法在Omniglot和SigComp2011等数据集上进行比较，实验结果表明，CSNET能有效提高图像相似度匹配的准确性.     

基于图片侵权分析的高校图书馆版权信息服务对策

媒体融合进入纵深融合阶段后,全员参与使图片侵权案在互联网版权案件中的占比逐年上升.如何使高校远离图片侵权纠纷非常重要.通过网络参与式观察与对图书馆从业人员的问卷调查,指出问题主要症结集中于高校图书馆版权信息服务尚未完全开展、图书馆从业人员图片版权保护意识薄弱、版权制度专家化与公众版权素养缺失之矛盾以及移动互联网环境下新型图片使用方式与现有版权制度之冲突,结合网络调查结果中的关键词词频统计,从建立师生版权素养考评机制、优化图片版权许可模式、规范图片版权授权制度、实施新型图片版权保护技术4个方面,对高校图书馆图片版权信息服务策略进行了探讨.     

高校馆图片资源数据库构建之思考

本文介绍了图片文献的特点,简要地分析了图片文献在图书馆界利用的现状和动态。并在此基础上提出,在网络＂泛在技术＂环境下,高师图书馆利用科技平台建设＂图片数据库＂的构想及远景。     

高校馆图片资源数据库构建之思考

本文介绍了图片文献的特点,简要地分析了图片文献在图书馆界利用的现状和动态。并在此基础上提出,在网络"泛在技术"环境下,高师图书馆利用科技平台建设"图片数据库"的构想及远景。     

谈网络文化对中小学生的影响及应对策略

互联网上的资料，如果应用得好，那么它是世界上最大的资料库，世上最好的老师，它里面的知识无所不有。人们通过网络，随时可了解世界各地正在发生的政治、经济、文化等各方面的大事。特别是网络“多媒体”技术的应用，为人们提供了色彩艳丽的图片、悦耳的音响、活泼的三维动画等，     

基于YCbCr颜色空间的不良图片检测研究

为了实时监测网页中的不良图片,提出一种以YCbCr颜色空间肤色检测为主,结合模板匹配、特定情景的识别实现对不良图片的快速检测,采取提高肤色检测正确率、消除背景区域及模板匹配等过程逐步明确其类别。通过选取网络图片进行实验,其中正常图片的识别率为90.3%,不良图片识别率为89.5%,表明该方法能应用于实际过滤系统中。     

"网文快捕"--网页保存与管理的利器

随着时代的进步，网络已经逐步走进我们的生活，在上网的过程中，每当您找到一些有价值的资料，如精彩的网页，或是其中的某段文章及图片时，您通常总是用IE菜单中的“文件”一“另存为”命令来保存所找到的网页或用鼠标右键来保存单张的图片，这一般是有效的。但是，您一定也碰到过如下的一些烦心事：当您想要保存网页的某段文字时，     

基于多尺度特征融合的图片情感分布学习

视觉情感分析旨在分析人们对视觉刺激的情感反映,近年来受到了共享平台和网络社交等多媒体视觉数据相关领域的关注.传统的图片情感分析侧重于单标签的情感分类,忽略了图片表达的情感的复杂性和图像潜在的情绪分布信息,不能体现出图片所表达的不同情绪之间的相关性.针对以上问题,首先采用ViT和ResNet网络进行全局和局部融合的多尺度情感特征提取,通过主导情绪分类和标签分布学习进行图片情感识别,充分表征图片的复杂情感.在公开的Flickr_LDL数据集和Twitter_LDL数据集上取得了显著的效果,证明了提出方法的有效性.     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

兴趣乐园中的视觉社交

<正>图片已成为人们获取信息的重要方式。当用户与好友在社交网络上互动时,最受欢迎的往往是他们上传的图片。Pinterest就是这样一个基于图片的社交平台。站在用户行为的角度分析,Pinterest弥补人的原始需求,满足用户的"收集癖"。同时,Pinterest像一个兴趣小组,它用兴趣连结用户,让用户在图片的海洋中体验一把视觉社交。     

星际互联网的体系结构及传输协议

外层空间的研究包括太空旅行、星际网络、用无线电及雷达进行天文观察。外层空间通信的目的是实现从外太空到地球的高速信息传递，例如在星球探索中我们需要提供双向通信链路用以引导和控制星球探测器，并传回探测器收集到的图片和信息。因此需要规划下一代太空通信网络的体系结构。     

论图片著作权人举证责任

作为知识产权,著作权相比之专利权和商标权,其保护状况更加难以尽如人意。随着数码和网络技术的发展和普及,著作权保护面临更加严峻的形势。本文从两个结果相反的案例出发,从图片这一作品角度入手,从著作权的特点和著作权保护制度入手,分析网络环境下,司法实践中应该如何从著作权保护的立法精神出发,就图片著作权纠纷中双方的举证责任进行合理分配。并就图片著作权纠纷权利人的举证责任、民事诉讼优势证明原则的应用进行探讨,提出个人拙见。     

基于SinGAN的图像生成模型

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法,单一生成对抗网络(SinGAN)是建立在一张图片上的无条件GAN.该文在生成对抗网络原理的基础上阐述了单一生成对抗网络(SinGAN)的原理及基本结构.以SinGAN作为研究对象,通过实例在训练过程中生成了与原图像语义相近的图像,并对SinGAN的训练和应用进行了研究.研究表明:SinGAN在同一张图片上进行的训练或测试,通过建立一个模型,可以对图片进行纹理转移,提高清晰度等操作.     

基于特征融合注意力的小样本语义分割算法

针对小样本语义分割任务中对查询图片的信息利用不充分的问题，提出一种基于特征融合注意力的小样本语义分割算法。首先，利用共享主干网络编码支持图片和查询图片，从而获取图片的深度特征；然后，利用注意力机制获取支持特征和查询特征的强关联语义信息，从而构造任务注意力特征图；最后，提出一种多特征注意力融合模块，它能够自适应融合多种特征的深层语义信息并进行特征解码，从而获取目标物体的分割掩码。在PASCAL-5ⁱ和COCO-20ⁱ公开数据集进行了实验，结果表明，所提出模型比当前主流的小样本语义分割模型在1-way 1-shot和1-way 5-shot任务中分割得更加精准，尤其是在更具有挑战性的COCO-20ⁱ数据集上，所提出模型在1-shot的设定下达到了28.8%的mIoU和62.1%的FB-IoU,在5-shot设定下达到了36.9%的mIoU和64.8%的FB-IoU。