“和谐世界”理念下的国家形象塑造

在“和谐世界”理念下,良好的国家形象塑造,需要转换经济与文化在国家形象构建中的优先序列,用文化优先替代经济优先,构建“文化中国”的国家形象;在国际社会中,中国要有所作为,树立负责任的大国形象;而亲善睦邻,营造“周边和谐”,是提升“和谐世界”理念感召力和影响力的关键。     

销售国形象和商店形象对来源国形象效应影响的实证研究

在来源国形象效应相关研究的基础上,通过两个2×2实验,以外国消费者为被试对象,探讨销售国形象和商店形象的调节作用.分析结果表明,在销售国形象高和商店形象高两种情况下,来源国形象对产品评价影响较小;在销售国形象低和商店形象低两种情况下,来源国形象对产品评价影响较大.最后,根据研究结果,从国家和企业两个层面给出了相应的建议.     

在大力营造良好的国际舆论环境中彰显军队形象

人民军队的形象是整个国家形象的重要支撑,而军队形象又要靠营造有利于我军建设的国际舆论环境来支持和实现.随着世界多极化、经济全球化、文化多样化和社会信息化的深入发展,舆论环境对一支军队建设发展的影响和制约越来越大.在新的历史起点上,大力加强国际舆论环境建设,尤其要做到：一是在善于应对挑战中树立我军形象;二是在说与做的统一中展示我军形象;三是在用好各种媒体形式中提升我军形象.     

软实力与国家形象建设研究

软实力是一种软权力,是一种影响他国意愿的能力与无形的权力资源,是通过吸引别人而不是强制他们来达到你想要的目的的能力.软权力是国家形象的基础,国家形象又能促进软实力的提高,在全球化与相互依存的时代,软权力变得越来越重要.软实力建设的增强必然要求国家形象的改善,国家形象的塑造与提升又是展现软实力的重要途径和方式.目前全球的国家形象之争实际上是国家之间软权力的较量,中国的软实力建设要以改善和促进国家形象的提高为目的,进一步增强中国的综合国力.     

“一带一路”沿线的国家与目的地形象对入境旅游意向影响的复杂性研究——以斯里兰卡为例

随着“一带一路”倡议的推进，旅游成为我国与“一带一路”沿线国家友好交往的重要产业.目的地所在国的国家形象、目的地形象在其内外部因素交互作用下，会对入境旅游意向产生复杂的影响.在此背景下，以斯里兰卡为例，采用fsQCA方法，揭示国家形象、目的地形象对中国游客旅游意向的复杂影响原因及机制，最终得到6个复杂关系模型，生成27条高水平旅游意向的复杂因果组合路径.最后，基于实证研究对“一带一路”沿线国家旅游发展在后疫情时代如何做出精准营销及提升形象提出建议.     

中国国家形象研究

国家形象是一国软实力的重要组成部分。和平发展的历史时期,中国国家形象更是直接、有力地影响着国家利益的实现。本文从国家形象的内涵、中国国家形象的历史演进、逻辑进展及新世纪的形象转换与意义彰显等三方面对中国国家形象展开描绘,进而为中国新时期塑造更为成功的国家形象提供有益借鉴。     

全域旅游目的地形象“投射-感知”比较实证分析——以厦门市为例

全域旅游转型发展需要优化和重塑目的地形象,探究目的地投射形象和游客形象感知之间的关系对目的地形象提升有积极意义.本研究以厦门市作为案例地,构建了目的地形象"投射—感知"网络文本分析框架,并对全域旅游目的地形象"投射-感知"进行比较分析,研究结果表明:(1)官方目的地形象投射和游客感知形象词频集中在产品供给、品牌影响、公共服务等3个核心范畴内;(2)官方投射形象的产业融合特性要比游客感知的更加多元化;(3)官方投射形象更显全域化,且凸显地缘政治特点,游客形象感知更偏好于单个景区,特别是鼓浪屿;(4)游客对旅游业态、公共服务和服务质量的形象感知程度要高于官方投射形象;(5)游客感知形象情感基本呈正面情绪.建议目的地管理组织从目的地形象定位优化、全域旅游链有机串联、全域服务质量提升、全域旅游新业态培育等方面着手改善全域旅游目的地形象.     

“讲好中国故事”背景下茶文化传播的影像叙事研究

“讲好中国故事”对弘扬中华文化、塑造中国形象有重要价值意蕴。茶文化作为中国传统文化的样本，依托影像作品的叙事与传播，需要从叙事主体、叙事内容及叙事手法三个层面提升叙事策略，同时还要从媒介生态、技术应用等多维度创新，“讲好中国茶故事”,提升民族文化影响力和国家文化软实力。     

中国文化中的“龙”与西方文化中的“Dragon”

从形象描述、词语表达、神话故事,以及观念态度等方面对中国文化中的"龙"与西方文化中的"Dragon"进行对比分析。在此基础上,提出利用主流媒体、卡通人偶、中国年等载体向西方国家介绍中国龙的积极意义,从而提升其在西方文化语境中的形象。     

从抗震救灾看中国国家形象的提升

四川地震既是灾难,也是契机。在抗震救灾中,政府反应迅速有序,信息透明,增强了政府公信力,彰显了以人为本的普世价值观,显现了公民社会的茁壮成长,体现了中国政府较高水平的现代国家管理能力,展示了中国领导人的亲民形象、中国军队良好的机动能力和充满人性的中国军人形象,凸显了巨大的民族凝聚力,赢得了整个国际社会的广泛赞誉,从而极大地提升了中国的国家形象和软实力。     

试论中国国家形象塑造的目标：现代化国家

国家形象塑造的目标是国家形象塑造中最核心的要素。它是全过程的出发点和归宿，对其他环节和要素起主导作用，指示着国家形象塑造的方向。以现代化作为中国国家形象塑造的目标顺应了历史和时代潮流，能最大限度地凝聚共识，同时符合良好国家形象的要求，体现了国家形象本质。在当前和今后一段时间内，中国现代化国家形象目标的内涵是“富强、民主、文明、进步、和谐”。     

基于深度学习的图像语义分割研究进展

图像语义分割是对图像中的每个像素点进行分类,将图像中的前景和背景区分并且识别出每个前景的类别。随着深度学习技术的发展,传统图像语义分割方法在分割精度和分割速度上已经彻底被超越。针对深度学习图像语义分割方法研究现状进行综述,对近年来国内外基于深度学习图像语义分割方法主要思想、优缺点进行了分析和总结。提出了该领域目前存在的问题,对将来的发展进行总结和展望。     

从观念调适到疆域整合：晚清中国整体国家形象的重塑

“天朝大国”形象陨落后，清政府在“中国”观念的调适中，一度重塑近代“中国”的国家形象，但是伴随传统大一统外围屏障丢失和国家主权危机加深，这种努力收效甚微；随着“民族国家”话语霸权的形成，中国“国家形象”的构想出现了“汉民族”国家和“大民族”国家的分野。基于“大民族”国家观念，清政府在整合东北和藏区疆域过程中，重塑了近代中国整体国家形象。     

深度学习在图像识别中的应用

深度学习通过建立深层神经网络来模拟人脑进行分析、学习和解释数据,被广泛用于图像识别领域.首先,简述了深度学习在图像识别中的研究现状;其次,介绍了卷积神经网络、深度置信网络、循环神经网络和生成对抗网络等几种常用于图像识别领域的深度学习网络模型;然后,从人脸识别、动作识别、跌倒检测等方面,论述了深度学习在图像识别领域的典型应用;最后,探讨了该领域的研究难点及发展前景.深度学习可以从不同的图像中自动提取相似的特征并进行分类,识别率高,鲁棒性强,推动了人工智能背景下图像识别的发展.无监督学习、对抗网络等将成为深度学习领域的热点.     

融于图像多特征的路面裂缝智能化识别

路面裂缝形状不规则复杂程度高。传统路面裂缝识别技术需要对路面图像进行复杂预处理工作进行识别,不能自动化对路面裂缝图像进行分类。为提高对路面裂缝识别精度和效率,本文将基于深度学习方法提出一种自动识别路面裂缝并能减少图像预处理工作量的方法。首先,将原始图像切割为小样本图像,根据图像多特征进行分类,各选取相同类型样本2000张图像构建数据集;其次,利用双线性内插法对裁剪后图像进行上采样,凸显图像特征便于神经网络学习;最后,使用深度学习神经网络对训练样本进行特征提取训练模型。实验结果表明：ResNet101模型评估指标均优于其他深度学习模型和机器学习模型,模型测试精度达0.898,kappa系数为0.815。     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

自然图像上色研究综述

图像上色是指从灰度图像中恢复图像的色彩信息,一张灰度图像可以有多个合理的上色结果,具有多模态的不确定性.另外,在上色过程中经常会出现颜色溢出、颜色暗淡等问题.传统的上色方法耗时长且效果不佳.最近,深度学习技术的应用使图像上色取得了显著的进展.文章将自然灰度图像上色分为4类：基于涂鸦的图像上色、基于参考图像的图像上色、全自动图像上色和基于文本的图像上色,并对这4类自然图像上色的技术方法进行回顾与总结;然后,讨论分析了深度学习给上色带来的影响、目前使用的损失函数以及评价指标;最后,总结了图像上色中存在的问题和未来的研究发向,为后续图像上色的研究提供参考.     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.