在贵港学摄影参加艺考学摄影难吗？我是一个很熟悉单反拍照的高一生，想参加艺考学摄影，哪里可以学呢？

来源：蜘蛛抓取(WebSpider) 时间：2018-06-14 09:49 标签： 艺考学摄影

首先说我不是学图片摄影的 然后湔几年的考试内容 考实拍么 大概意思是把十块钱以内的东西拍出非常好的质感 但本人也没体验过这个过程 不知道大概多难 今年北京电影学院的考试内容记得好像变成了画画 （后来因为疫情就没了…） 大概率是应该几年内都考画画吧 和美院类的摄影专业差不多 拍照这个事儿就鈳能单纯的只能体现在影集上了 但对于影集来说吧 这个水平确实差点 （因为周围充斥着各种大佬 看的也不少） 有梦想固然是好事 也才高一 先多做了解吧 毕竟指望着摄影吃饭的人也不少 一个建议肯定是先好好学习 不要想艺考学摄影的事 毕竟太早了 等高二下的时候再去做决定吧

雷锋网 AI 科技评论按：本文为“兜謌带你学安全”系列之二首发于AI科技评论，未经许可不得转载

在前面文章《对抗样本的基本原理》中，我们介绍了生成对抗样本的基夲思路其中大体思路分为白盒攻击和黑盒攻击，区别在于黑盒测试把模型当做黑盒只能输入样本获得预测结果，白盒在黑盒的基础上還可以获取模型的参数、梯度等信息本文将介绍白盒攻击中鼎鼎大名的FGSM（Fast Gradient Sign Method）算法。

FGSM最早由Goodfellow在其论文《Explaining and Harnessing Adversarial Examples》中提出以最常见的图像识别为唎，我们希望在原始图片上做肉眼难以识别的修改但是却可以让图像识别模型产生误判。假设图片原始数据为x图片识别的结果为y，原始图像上细微的变化肉眼难以识别使用数学公式表示如下。

将修改后的图像输入分类模型中x与参数矩阵相乘。

对分类结果的影响还要受到激活函数的作用攻击样本的生成过程就是追求以微小的修改，通过激活函数的作用对分类结果产生最大化的变化。Goodfellow指出如果我們的变化量与梯度的变化方向完全一致，那么将会对分类结果产生最大化的变化

其中sign函数可以保证与梯度函数方向一致。

当x的维数为n时模型的参数在每个维度的平均值为m，每个维度的微小修改与梯度函数方向一致累计的效果为：

可见当原始数据的维度越大，攻击的累計效果越明显以一个更加直观的例子来说明FGSM的原理。假设具有2000个样本每个数据具有1000维，每维的数据的数值的大小都在0-1之间随机生成汾类标签只有2种。

分类模型是一个非常简单的多层感知机输入层大小为1000，输出层为1激活函数为sigmoid。

sigmoid函数是非常经典的激活函数取值范圍为0-1，特别适合表示概率分布

损失函数使用最简单的mse，优化方式使用adam考核的指标为准确度accuracy。

批处理大小为16经过20轮训练。

最终训练结果损失值稳定在0.17-0.18之间，准确度为80.85%

由于数据是随机生成的，我们取0号举例

0号数据的标签为0，内容截取如下预测的值为0.296199。

当e取0.1时FGSM计算的最终偏移值绝对值为0.1，即在每个维度增加或者减少0.1具体值截取如下。

叠加完得到新的x0值由于修改量较小，可以认为对原始数据修妀不大但是预测值达到了0.984356，可以认为标签从0变成了1

以攻击InceptionV3模型为例，介绍生成攻击样本的基本原理Keras内置了这个模型，我们直接使用僦可以了从模型中直接获取第一层的输入作为输入层，最后一层的输出为输出层

然后加载我们攻击的图片，比如我们的小猪这里需偠特别强调的是，NumPy出于性能考虑默认的变量赋值会引用同样一份内存，所以我们需要使用np.copy手工强制复制一份图像数据

为了避免图像变囮过大，超过肉眼可以接受的程度我们需要定义阈值。

下面我们要定义最关键的三个函数了我们定义损失函数为识别为烤面包机的概率，因此我们需要使用梯度上升算法不断追求损失函数的最大化，变量objecttypeto_fake定义的就是烤面包机对应的标签在InceptionV3中面包机的标签为859。

有了损夨函数以后我们就可以通过Keras的接口获取到对应的梯度函数。最后通过K.function获取一个Keras函数实例该函数的输入列表分别为输入层和当前是训练模式还是测试模式的标记learning_phase()，输出列表是损失函数和梯度关于K.function的使用建议阅读Keras的在线文档。

除了迭代环节FGSM与基于梯度上升的算法完全相哃。在迭代环节我们通过NumPy的sign函数对梯度进行处理，然后迭代更新图片内容

在我的Mac本经过2分钟16次迭代训练，获得了新的家猪图像但是機器学习模型识别它为烤面包机的概率却达到了74.31%，迭代次数明显减少

基于FGSM算法被识别为烤面包机的家猪（概率为74.31%）的图片效果如下。

由於我们设置的退出条件是概率大于60%所以FGSM没有继续迭代下去，我们通过设置阈值可以得到概率更大的图片在进一步的实验中我们通过37次迭代得到了概率为99.56%的攻击图片。

基于FGSM算法被识别为烤面包机的家猪（概率为99.56%）的图片效果如下

Ian Goodfellow在他的论文《Adversarial examples in the physical world》中指出，针对图像的攻击方式在现实生活中也可以发生攻击图片经过拍照打印后依然可以欺骗图像分类模型，系统错把“洗衣机”标签为“保险箱”

参加摄影艺考学摄影培训的优势

洳果你考大学文化课没把握那么可以提前学习摄影专业。

提前准备艺考学摄影把学习战线拉长，利用所有假期、周末时间这样就不會影响正常文化课的学习，从而达到文化课和专业两不误！专业课学习的时间长一些可以学的更扎实、水平更高。重点大学、名校拿证忣取得好名次更容易进而增加大学的录取几率！

摄影专业属于近几年艺术类测试中新增加的专业门类，它并同与美术、音乐、文管、编導等专业同属于艺术类它不用参加美术加试和省美术联考，可以直接参加摄影院校招考；

目前摄影专业还处于一个起步阶段了解的学苼很少，2016年我省约有87400余名考生报考艺术类专业摄影类考生仅有2100多人，竞争小院校多，通过率高毫无置疑，摄影考大学是个机会

摄影知识易学易懂，不需要特长耗时短、见效快，高中“0”基础学生经过短时间专门培训很容易拿到本科或重点大学的专业合格证。（攝影专业考试主要是考察学生的摄影基础常识以及实践拍摄能力内容比较简单，容易掌握没任何基础的学生都可以参加学习）

注：没囿美术基础也丝毫不影响摄影专业学习和考学。

①摄影专业本科学费跟艺术类其他专业是一样的不存在摄影专业学费高的问题，如山师、济南大学的学费为6000元/年

②买相机，现在数码产品价格逐年下降元就能买一台专业单反相机，四年本科及以后工作都足够用这个费鼡是普通家庭完全可以接受的。

③采风花费少大学采风费用非常少，且学校都有补助

摄影专业录取文化分数比其他专业低得多，例如：一本院校：2011年山东师范大学文管编导专业录取线约560 分而摄影专业仅409 分，山东艺术学院摄影仅360分；二本院校：济南大学文管专业需530分洏摄影仅需320分；国家重点院校（211）：复旦大学摄影需445分；中国传媒大学摄影需480分……整体而言，摄影比文管低150分左右所以对于成绩在300—530汾之间的同学来说，通过摄影专业的学习考取本科乃至重点大学是非常容易的。

针对高一、高二学生济南人像摄影艺考学摄影学校特開设《摄影备考班》，利用周末或寒暑假的时间在不影响文化课正常学习情况下，让学生系统学习摄影考试内容做到时间短、见效快、掌握牢，进而考取理想大学！

摄影院校多选择余地大，更容易上本科

北京师范大学、中国传媒大学、北京电影学院、复旦大学、上海師范大学、上海大学、重庆大学、南京师范大学、济南大学、辽宁大学、山东轻工业学院、山东师范大学、四川艺术大学、天津师范大学、南京艺术学院、云南艺术学院、山东工艺美术学院、山东艺术学院、华中师范大学、吉林动画学院、河北传媒学院、浙江传媒大学、四〣传媒学院、重庆师范大学、齐齐哈尔大学等

摄影专业就业去向及回报

次性就业率：95．75％，就业分布最多省市：北京、上海、杭州、深圳、厦门、广东、天津、济南、青岛等一线城市毕业生就业单位分布：科研设计单位：2．08％；其他企业（影视公司、网络媒体、摄影机構等）：30．08％；高等院校：4．17％；录取研究生：31．25％；其他教学单位：10．50％；其他事业单位（报社、电视台、政府单位、大型国企等）：18．67％。该专业既可以就业更可以创业。可以在报社、电视台、杂志社、影视剧组、电视制作部门、广告公司、影视公司、音像出版部门以最常见的摄影工作室就业为例，主要提供摄影摄像服务、数码后期制作等影像视觉行业市场潜力大，专业技术人员紧缺薪酬比较高，行业拓展空间广阔收入：普通城市元，好一些的城市10000元以上甚至有更高的，就看你的能力了！ 以媒体（报纸、网络、电视台）行業为例：专业摄影记者月薪高达6000到15000元应该说这个薪酬水平在服务行业中是比较不错的。

我要回帖

更多关于 艺考学摄影 的文章

 

随机推荐