首页期刊导航|数字印刷
期刊信息/Journal information
数字印刷
数字印刷

欧阳芸

双月刊

2095-9540

study@keyin.cn keyinstudy@gmail.com

010-88275760，88275607

100036

北京市海淀区翠微路2号中国印刷科学技术研究所A座1层

数字印刷/Journal Digital PrintingCSCD北大核心
查看更多>>本刊是一本面向国内外印刷包装行业，以报道国内外印刷包装行业学研动态、高端学术研究及科研论文及重要科技成果为特色的学术类期刊，旨在推动印刷包装行业的技术发展，鼓励印刷包装领域新技术、新设备、新材料、新工艺的研发和创新，为行业的科技创新和学术交流搭建国内和国际交流平台，推进行业的科研活动及专业教育的发展。面向国内外印刷高端院校、科研院所发行。
正式出版
收录年代

    AIGC技术发展与应用进展

    王泽轩陈亚军
    1-14,96页
    查看更多>>摘要：近年来,随着人工智能及大模型技术的进步,人工智能生成内容(Artificial Intelligence Generated Content,AIGC)技术快速发展,并在不同领域得到应用,已经成为一种重要的数字内容新质生产力.本文首先从AIGC技术的概念、发展阶段、当前技术和在各个领域的应用以及AIGC的产业链(包括基础层、中间层和应用层)等方面进行了分析.随后,探讨了AIGC技术的优势和当前面临的挑战,例如提高内容的质量、保持创造力、解决道德和隐私问题以及克服技术限制.最后,对AIGC的未来研究和应用方向进行了展望.

    人工智能生成内容数字内容新质生产力产业链

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    虚拟仿真技术在舞蹈编创与教学中的应用

    钟祎洵许伟姚日晖宁洪龙...
    15-26页
    查看更多>>摘要：舞蹈教学与编创向信息化和数字化发展是时代潮流.随着虚拟仿真技术的快速发展,其在舞蹈领域中的游戏娱乐、演出、教学和编舞等方面已经得到了广泛地研究和应用.本文从上述方面的研究现状出发,归纳介绍了舞蹈虚拟仿真中的动作捕捉、舞蹈数据库、建模和动作编创等技术,分析了这些技术的实现机理和特点,最后展望了虚拟仿真技术在舞蹈教学与编创中的发展前景.

    舞蹈仿真动作捕捉虚拟现实舞蹈编排

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于教学场景的书刊印刷工业虚拟仿真系统设计研究

    郭渝慧罗允龙
    27-36页
    查看更多>>摘要：随着印刷数智化推进,应用虚拟仿真技术来交互呈现印刷工业场景及设备运行是设计、印刷、出版等相关人才培养的现实需求和亟待解决的关键技术热点.本研究针对国内涉及印刷制作流程与工艺的相关专业实习实践中,因学校资源有限、建立实际印刷工业场景和印刷作业流程难度大、软硬件更新速度慢、合作工厂无法满足学生印刷实践的共性难题,设计并开发了基于教学场景的印刷工业虚拟仿真系统.采用三维模型构建印刷厂场景及设备,搭建出学习模块、实验模块、练习题模块相互协同的立体化印刷工业虚拟仿真教学系统.应用Unity3D交互与实时渲染技术打造出学练考一体化的印刷工业场景及其书刊印刷工艺的教学实践交互场景,突破了学校软硬件资源约束,有效解决了学生印刷实践的现实问题.

    虚拟仿真书刊印刷工业系统设计教学

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Leap Motion手势交互技术的博物馆数字展示应用研究

    倪栋
    37-45页
    查看更多>>摘要：随着科技的不断发展,博物馆数字展示已成为呈现文物与历史不可或缺的重要手段之一.在数字化潮流的推动下,Leap Motion技术凭借其卓越的手势交互能力引起了广泛的关注与兴趣.本研究旨在探索如何充分利用Leap Motion手势交互技术,设计并实现一种全新的博物馆数字展示交互系统,以提升观众的参与度和沉浸式体验.本研究采用实验研究方法,开发并实施了一套基于Leap Motion技术的手势交互系统.通过实验设计、设备选择与安装、手势识别与映射、展示内容的创建与集成、以及用户测试与优化等步骤完成研究.其结果表明,该系统能够准确捕捉观众的手部动作,并将其映射到超大屏幕的交互中,显著提升了展示效果和观众的互动体验.手势识别的误差率控制在5%以内,交互响应速度优秀,达到了预期目标.本研究验证了Leap Motion手势交互技术在博物馆数字展示中的有效性和可行性,提供了一种创新的展示方式,为公众呈现出更为丰富、引人入胜的文化体验,为未来博物馆展示的数字化发展方向提供有益的参考与借鉴,以促进整个行业的创新发展.

    博物馆数字展示LeapMotion手势交互体感交互

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于少样本学习的书籍装帧手写字体生成

    王志敏朱磊张媛
    46-55页
    查看更多>>摘要：手写字体具有一定的亲和度,尤其在书籍装帧设计中更具人性化和表达力,但手工设计字体流程烦琐且专业程度要求高.通过基于人工智能的手写字体生成算法帮助设计是解决这一问题的有效途径.本研究采用少样本字体生成网络,其中在特征提取方面采用了多子编码器提取了多个特征,可更好地捕捉不同的局部概念;在样本训练方面采用端到端的训练方法,可以显著减少训练时间,提高字体生成效率.采用定性与定量分析相结合的方式,对多种字体生成方法进行了深入比较.相较于其他方法,本研究所提出方法的FID与LPIPS值更低,这充分证明了本研究方法在生成效果上的优越性,生成的字体更加清晰且高度逼真.该方法为书籍装帧设计提供了更快、更有效的解决方案,简化了字体设计的烦琐过程,提升了设计效率.未来的研究可进一步优化生成字体的质量和多样性,以满足不同书籍装帧设计的需求.

    生成式对抗网络少样本学习字体生成端到端学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于附加辅助信息不对称模块的LA-UMamba模型研究

    严婧司占军张滢雪
    56-66页
    查看更多>>摘要：深度学习技术正在彻底改变医学图像分割的发展.随着Transformer模型的发展,特别是ViT和Swin-Transformer的发展,通过自我关注机制增强了模型的远程建模能力,从而实现了更好的分割性能.此外,Transformer的高计算成本也促使研究人员探索更高效的模型以减少模型参数,如基于状态空间建模(SSM)的Mamba模型.本研究提出了一种新型非对称模型——LA-UMamba,它集成了视觉Mamba模块,能有效捕捉复杂的视觉特征和远程依赖关系.在上采样阶段采用了U-Net的经典设计,以帮助减少参照物的数量并恢复更多细节.为了减少信息丢失问题,设计了一个辅助U-Net下采样层,只关注尺寸而不提取特征,从而在保持模型效率的同时加强了对输入信息的保护.实验在ACDC核磁共振成像心脏分割数据集上进行,结果表明,与基线模型相比,所提出的LA-UMamba在IoU、精度、Hausdorff距离和平均表面距离等多个评价指标上都取得了更好的性能,表明该模型在优化细节处理和降低模型复杂度方面取得了成功.LA-UMamba为进一步优化医学图像分割技术提供了新的视角.

    医学图像分割U-NetMamba模块深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv8的定向边界框目标检测模型

    赵新康司占军
    67-75,114页
    查看更多>>摘要：在高分辨率遥感图像的定向边界框(OBB)目标检测研究中,由于目标太小且方向不同,会出现漏检和错检的问题.现有的遥感图像定向边界框目标检测方法虽然取得了不错的进展,但主要侧重于方向建模,而较少考虑目标的大小以及漏检问题.本研究提出了一种基于改进YOLOv8的遥感图像定向物体检测方法.该方法可以提高遥感图像中定向物体的检测精度.首先,创新性地设计了一个ResCBAMG模块,可以更好地提取通道和空间相关信息.其次,提出了一种创新的自上而下的特征融合层网络结构,与ECA注意力模块相结合,有助于适当捕捉局部间的跨通道交互信息.最后,在自下而上特征融合层的不同C2f模块和检测头之间引入了创新的ResCBAMG模块.这种创新结构有助于模型更好地聚焦目标区域,同时也能提高定向目标检测的准确性和鲁棒性.在DOTA-v1.5数据集上的实验结果表明,与原始模型相比,本研究改进模型的检测精度、mAP@0.5和mAP@0.5:0.95指标均有所提高,这也有效改善了对小型目标和复杂场景的检测能力.

    遥感图像定向边界框目标检测小目标检测YOLOv8

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv8s的夜间车辆检测

    万欣蕾司占军
    76-85页
    查看更多>>摘要：随着自动驾驶技术的逐渐发展,人们的注意力不再局限于日常的自动驾驶目标检测.对于难以快速准确检测夜间自动驾驶复杂场景中视觉目标的问题,本研究提出了一种基于改进YOLOv8s的检测算法.首先,该模型通过在原始模型中的下采样层加入Triplet Attention注意力模块,该模型可以更好地保留和增强较低分辨率的特征图上与目标检测相关的特征信息,增强目标检测网络的鲁棒性,减少漏检问题;其次,在处理密集目标、重叠对象和复杂场景时,引入了Soft-NMS算法,其有助于减少误报和漏报,并在处理高度重叠的检测结果时提高了整体检测性能;最后,在引入MPDIoU损失函数数据集的实验结果表明,与原模型相比,改进后的方法在夜间车辆检测中的检测精度和速度均得到提升,其mAP和精度分别提高了2.9%和2.8%,可以有效改善夜间目标检测问题.

    车辆检测YOLOv8注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进YOLOv8的无人机空中图像目标检测算法

    姜贸翔司占军
    86-96页
    查看更多>>摘要：针对无人机航拍图像小目标的检测精度低且易被漏检和误检的挑战,本研究提出了一种基于YOLOv8的改进无人机图像目标检测算法.首先,采用CoordAtt注意机制增强了骨干网络的特征提取能力,从而减少了来自背景的干扰.然后,使用增加小目标检测层的BiFPN特征融合网络,提升模型对小目标的感知能力.此外,还设计并提出了一个多层融合模块,以有效地集成浅层和深层信息.使用增强的MPDIoU损失函数进一步提高了检测性能.基于公开的VisDrone2019数据集的实验结果表明,改进后的模型相比于YOLOv8基线模型,mAP@0.5提高了20%,改进方法提高了模型对小目标的检测精度.

    无人机YOLOv8注意力机制多尺度目标检测MPDIoU

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进RT-DETR的交通标识检测模型

    王永康司占军
    97-106,178页
    查看更多>>摘要：在自动驾驶技术与道路安全驾驶方面,交通标识的正确识别具有重要的作用.因此,针对交通标志检测中因标志类型多样、尺寸差异显著及背景信息复杂而导致的误检和漏检问题,本研究提出了一种改进RT-DETR的交通标识检测模型.首先,在内部尺度特征交互部分添加HiLo注意力机制,进一步增强网络的特征提取能力,提升其在高分辨率图像上的检测效率;其次,本研究设计了CAFMFusion特征融合机制,使得网络能够关注每个通道中不同区域的特征,使模型可以更好地捕获远程依赖关系和邻域特征相关性,提高模型的特征融合能力;最后,使用MPDIoU作为改进后模型的损失函数,实现更快的收敛速度和更准确的回归结果.实验结果表明,在TT100k-2021交通标识数据集上,改进的模型在精确率、召回率和mAP@0.5方面分别达到了90.2%、88.1%和91.6%的性能指标,相比于原始的RT-DETR模型分别提高了4.6%、5.8%和4.4%.该模型有效改善了交通标识检测效果不佳的问题,具有较大的实用价值.

    目标检测交通标识RT-DETRCAFMFusion

      原文链接:
    • NETL
    • NSTL
    • 万方数据