多尺度残差网络驱动的区域文化色彩特征提取与乡村艺术设计人才智能培养路径

《Scientific Reports》：Multi-scale residual network-driven regional cultural color feature extraction and intelligent cultivation pathway for rural art design talent

　　

摘要

区域文化色彩遗产在保护方面面临城市化和审美同质化的日益严峻挑战，而农村艺术设计教育缺乏智能技术的有效整合。本文提出一个统一框架，同时解决区域文化振兴中的计算色彩分析与人才培养问题。在技术层面，我们设计了一种多尺度残差网络（MSResNet），采用并行膨胀卷积分支与通道注意力加权融合机制，从区域文化文物中提取层次化的色彩特征。跨模态语义关联机制进一步将提取的色彩特征嵌入到具有文化标注的潜在空间中，实现超越纯统计描述的情境感知解释。在教育层面，我们构建了一条三阶段智能培养路径，包括认知辅导、数据库驱动的实践以及个人化能力评估，在具有教育学基础的框架内实现了模型输出的实际应用。在专门构建的RCC-6K数据集上的实验表明，MSResNet取得了0.912的宏F1分数和0.831的文化关联指数，优于代表性基线方法。一项涉及86名职业院校学生的16周准实验教学研究显示，智能培养路径产生了29.9%的综合能力提升，显著高于传统教学下的14.6%。这些结果证实，将多尺度深度学习与语义文化基础进行结构性整合，能够促进区域色彩遗产的计算表征与教育传承。