中期检查1
需积分: 0 38 浏览量
2022-08-03
15:31:27
上传
评论
收藏 458KB PDF 举报
兰州大学学生创新创业行动计划
项目进展报告书
项
目
摘
要
（不少于 300 字）此项目主要利用最新的人工智能技术，通过卷积神经网络对
敦煌数据库的图片的风格、纹理进行不断地学习和优化，将敦煌的艺术风格和
现代审美相结合，从而形成新的风格与时尚元素。我们的初衷是敦煌文化的保
护与发展、是敦煌艺术的创新以及融合，这样可以使传统文化以一种新兴的方
式面向大众，也能更好地实现中国传统文化的传承与发展。那么在此之前的暑
假期间，我们从指导老师周庆国教授那里深入了解了风格迁移的一些算法，通
过不断地尝试，目前我们已经可以初步实现风格迁移，但由于目前只能实现某
一特定模特的形象转换，不具有普适性，与此同时，算法还有待优化，以实现
快速风格迁移。在未来的一段时间里，我们将继续改进，将其完善，并做出桌
面程序与其结合。
项
目
进
展
及
所
取
得
的
阶
段
性
成
果
（简介不少于 1000 字，可附页）从 3 月份立项到现在，在指导老师的悉心指导
与项目组成员的努力工作下，本项目已经取得了显著进展。具体进展情况分述
如下:
1.2019 年 4 月下旬到 6 月中上旬，我们主要对由指导老师提供的数以万计的敦
煌壁画文化的数字化资料进行分类，标记。这些资料其中大部分是敦煌莫高窟
中各个年代的壁画的数字资料，也有部分雕塑的数字化资料。包括隋唐、北魏、
元朝代、西夏等时期的壁画资料以及展示当时名俗、服饰的资料。这些原始数
据不能直接运用，因此我们需要先进行数据标注，将原始数据编程算法可用的
数据。当数据标注得越精准、对算法模型的训练效果就越好。高质量的数据是
制约模型和算法突破瓶颈的关键指标。这最终标记后的敦煌数据集为我们之后
的风格迁移提供了重要的研究资料。与此同时我们还学习了有关卷积神经网络
的知识，具备了较完善的理论知识。通过无监督学习的卷积神经网络，将敦煌
壁画划分为不同的风格并进行标注。我们还从互联网渠道获得大量现代服饰照
片，进行数据集的筛选，以期达到最好的训练效果。
2.2019 年 6 月中下旬到 8 月，我们初步完成了风格迁移有关的代码。我们主要
利用 Python 程序语言，基于 Tensorflow 框架来实现我们的目标。但是由于敦煌
壁画集数据量庞大，而普通 PC 机提供的计算能力十分有限，所以我们只能购置
额外的 GPU 或者租用云计算服务器来实现卷积神经网络的训练。而 Google
Colab 的云计算平台提供免费的 GPU，刚好满足了我们的需求，极大缩短了了
我们实现风格迁移时训练的时间，提高了运算效率。我们通过 CNN，将敦煌壁
画中的风格进行提取抽象。同时，提取现代服饰中的艺术特点。在保护敦煌服
饰文化的基础上，利用风格迁移将敦煌服饰数据与现代时尚服饰数据融合，生
成新的服饰风格和服饰样式。随后，将模特照片中所穿着的衣服通过风格迁移
技术替换为敦煌风格的图案。目前代码需要我们自己提供服饰图，与风格图，
以及自己调动我们所需要的参数，最终会输出风格迁移后的图片。
总体来说，我们的核心代码部分已经完成，已经可以初步输出具有敦煌艺术风
胡说先森
- 粉丝: 53
- 资源: 280
最新资源
- 电子设计竞赛的单相不间断电源设计
- cutcamera1715961370938.png
- 基于MATLAB的图像处理课程设计报告.doc
- tensorflow-gpu-2.6.0-cp38-cp38-manylinux2010-x86-64.whl
- mmexport1715960553858.png
- tensorflow-gpu-2.6.0-cp37-cp37m-manylinux2010-x86-64.whl
- 通过 .NET 应用程序中的源代码查找 SQL 注入
- 电子设计竞赛2007年B题 无线识别装置.doc
- Wox全局搜索工具,一款win下的全局搜索软件
- 使用高级集群管理 (ACM) 模板来管理用户、组和命名空间
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0