基于生成对抗网络的非织造布二维图像重建OACSTPCD
2D Image reconstruction of nonwoven fabrics based on generative adversarial networks
非织造布纤维结构的准确表征是其性能分析的重要基础.为了解决基于近似模拟的表征结果中纤维形态、结构与真实样本不一致的问题,提出了一种基于生成对抗网络的非织造布二维图像重建方法.使用全自动光学显微镜对非织造布图像进行抓取,并在此基础上构建纤维生成对抗网络(Fiber generation adversarial network,FGAN)对图像样本进行建模.针对高分辨率图像重建时存在的失真问题,采用多尺度训练策略,同时引入权重多样性损失.采用图像质量…查看全部>>
Nonwovens are widely used as various filter materials,gas or particle adsorption materials,sound insulation materials,etc.in such fields as medical and health care,tourism,construction and waterproofing,and agriculture.The functions of nonwovens are closely related to the structure of their fiber collections.On the premise that nonwovens are randomly arranged in the layers of the fiber network,researchers usually use parametric simulation,fractal theory or i…查看全部>>
王志禄;侯珏;杨阳;刘正
浙江理工大学,服装学院,杭州 310018浙江理工大学,服装学院,杭州 310018||浙江理工大学,浙江省服装工程技术研究中心,杭州 310018||武汉纺织大学武汉纺织服装数字化工程技术研究中心,武汉 430073浙江理工大学,服装学院,杭州 310018||浙江理工大学,浙江省服装工程技术研究中心,杭州 310018浙江理工大学,浙江省服装工程技术研究中心,杭州 310018||浙江理工大学,国际时装技术学院,杭州 310018
轻工业
非织造布孔隙生成对抗网络多样性损失图像重建
Nonwoven fabricporegenerate adversarial networksdiversity lossimage generation
《现代纺织技术》 2024 (1)
54-63,10
武汉纺织服装数字化工程技术研究中心开放基金项目(SZH202201)嘉兴市重点研发计划项目(2021BZ10001)
评论