Resumen

La precisión promedio de la fusión de la armonía del color y las características de composición es del 75.17%, que es mayor que la de una sola característica. La precisión de clasificación de la estructura NP-DP-DCNN es aproximadamente un 1% más alta que la de otros métodos y un 1.77% más alta que la de NP-DCNN. Los métodos tradicionales de evaluación estética de imágenes solo son efectivos para conjuntos de imágenes específicos o imágenes de estilo específico y no son adecuados para todos los tipos de imágenes. Basándose en la introducción del método de filtrado de imágenes de ecuaciones diferenciales parciales, a través del aprendizaje supervisado paralelo de etiquetas de atributos estéticos, este documento extrae las características globales de profundidad estética, adopta la ecuación diferencial parcial para evolucionar la constante de contorno C y construye una red neuronal convolucional. La estructura de un núcleo de convolución aprendido mediante el uso de una estructura de red paralela logra un mejor rendimiento de

• Materias:Ecuaciones diferenciales parciales Ecuación de difusión Sistema de discriminación Singularidad Acoplamiento electromecánico
• Subjects:Partial differential equations Diffusion equation Discrimination system Singularity Electromechanical coupling
• Palabras claves:Fusión; Armonía de color; Características de composición; Precisión de clasificación; Red neuronal convolucional; Evaluación estética
• Keywords:Fusion; Color harmony; Composition features; Classification accuracy; Convolution neural network; Aesthetic evaluation