基于人工智能视觉传播的平面设计语言探索与应用

平面设计是人类设计史上历史最悠久的设计学科之一，作为一门交叉学科，它实现了科学与艺术的有机融合。平面设计具有信息性、艺术性和经济性三大基本特征：其中信息性指平面设计是信息传播的载体，平面设计作品具备特定的信息传递实用功能。平面设计语言是信息直接传递的形式，但关于平面设计语言的智能识别研究相对匮乏。针对这一问题，本文重点探讨基于人工智能视觉传播的平面设计语言分析方法。首先，为了更精准地分割图像的不同区域，本文对一种基于深度学习的图像分割方法进行了改进。该方法采用三分支网络结构分别学习语义信息、细节信息与融合信息；编码网络采用轻量级卷积神经网络，并在各分支中引入注意力机制以赋予图像特征通道相应的权重，同时将对图像不同感知域提取的特征进行多尺度融合，进而实现编码网络不同阶段所提取特征的整合。随后，在分割后的图像基础上检测显著目标区域，借助特征金字塔优化卷积神经网络来分析显著目标的情感特征；通过在多层监督模块上构建加权损失卷积神经网络，解析平面设计语言所表达的情感，最后将显著目标的情感特征加以融合，得出最终的情感分类结果。实验结果表明，所提出的方法在数据集上的表现优于传统分割方法，且基于分割图像的情感分析所能达到的情感分类准确率，也高于直接对整幅图像进行识别的情感分析方法，这一成果有助于平面设计语言的研究与应用。

本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。