Study on the Relevance of Jiangnan Garden Design Elements and Aesthetic Context Based on Visual Recognition
Notice bibliographique
Résumé
Jiangnan gardens have become a valuable cultural heritage of China with its elegant garden style.The article proposes a binocular visual recognition system by analyzing the composition of the garden spatial elements and performing feature fusion based on scene-driven coefficients.Ablation experiments are conducted on each part of the constructed data enhancement framework for generating the design of the Jiangnan garden plan, which is applied to generate a set of high-quality datasets and apply the data to image segmentation for generating the design of the Jiangnan garden.The algorithm training is carried out by applying the generated design plan dataset.On this basis, the data from the actual Jiangnan garden research and the spatially quantized feature data are used to do the correlation analysis between the design elements and the aesthetic mood.The data enhancement framework constructed in this paper improves the IOU of ST elements to 0.537, and the average intersection and merger ratio MIOU is 0.389.It shows that the data evaluation framework based on visual recognition is suitable for the study of plan generation of Jiangnan gardens.The correlation coefficients of connection value, spatial control value, average depth value, and integration degree regarding aesthetic context with the data of Jiangnan garden design elements are 0.173, 0.301, -0.278, and 0.325, respectively, which indicate that there is a significant correlation between all of them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».