NFT艺术品随机生成器源码(Java)
通过以下元素随机生成动物NFT图片（可自行增加其他元素）：
背景、身体、饰品、头部、头发、眼镜
2022-01-26 09:05:07
22.5MB
生成艺术实验
使用Python和处理
注意：这些实验中有几个使用“处理”功能，但使用的是Python模式
这是用于存储几次GenArt尝试的回购。 我使用Python（Matplotlib）和Processing创建美术素描。
从某种意义上说，这是一个目录库，它是一个元存储库。 每个子目录中的回购具有code以及一组images中的图像目录（如果适用）。 每个目录中的README.md都说明了该特定实验的内容。
我试图使我所有的代码都可以被其他人使用。 您可以更改许多参数，并尝试获得自己的结果。
实验
正弦草图
地图
基于图像
地铁地图
一个为虚拟城市创建Metro Maps的实验项目。
对于虚构的城市，地铁（地铁）地图会是什么样？ 每次运行代码时，它都会产生一组不同的终端，路线，路口和车站。
球动画
球碰撞时的一系列草图，以及球相互躲避，以避免碰撞。
点和短划线
通过算法渲染的空
2021-11-23 21:15:25
113.51MB
1
中国水墨风格书画艺术品网站模板，界面简单，全套模板，包括首页、画家简介、作品欣赏、出版专著、收藏捐赠、社会活动、艺术资讯、影相集珍、名人轶事、网评留言等网站模板页面。
2021-11-18 08:38:40
1.39MB
1
艺术品的风格，流派和艺术家分类
艺术品数字化的增长说明了根据艺术家，风格和绘画风格对绘画进行分类的重要性。 分类方法的确可以帮助游客和策展人以自己的步调分析和可视化任何博物馆中的画作。 此外，寻找画家是一项艰巨的任务，因为大多数画家的艺术品可能具有独特的绘画风格，而多位画家可以拥有相同的绘画风格。
楷模
我已经尝试了四种模型-
香草卷积神经网络的实现
通过结合视觉词袋技术使用随机森林分类器的基于统计机器学习的方法。
胶囊网络的实现
使用像AlexNet这样的预训练网络进行转移学习
数据集
用于此分类任务的数据集是从参考获得的Wikiart数据集。 下图说明了该数据集的训练图像与测试图像的分布。
模型1-CNN实施
卷积神经网络是具有健壮架构的这种简单前馈网络的变体。 图像矢量作为CNN的输入给出-然后，CNN计算权重，损失函数以获得最终输出并标识相应的类别。 CNN是可以与图像配合使用
2021-09-28 23:24:03
616KB
1