融合空间分割注意力的织物材质识别方法OA北大核心CSTPCD
针对传统神经网络检测织物材质精确度低、检测速度慢的问题,提出一种融合空间分割注意力的织物材质识别算法。首先对多种材质的织物风吹视频进行分帧处理,得到织物图像。接着进行数据预处理,并采集织物图像的时序信息,利用欧氏距离计算织物图像中同一像素点在时间前后的位移量,将织物图像进行区域划分。将处理后的图像输入到注意力网络中进行特征提取,采取深度可分离卷积(DSC)替代普通卷积,以减少网络参数与计算量,增强网络的特征提取能力。然后在每个卷积层后引入空间分割注意力模块(SPAM)来增强重要特征,防止特征图信息丢失过多,提升网络精度。最后通过全局平均池化层和softmax层实现织物材质的识别。结果表明:所提出的织物材质识别算法能够快速、有效地对织物材质进行分类识别,准确率达到93.9%,单张图片检测时间为83.14 ms,在保证识别精度的同时具有较强的实时性。
南科良;靳雁霞;王松松;王婷;张晓竺;张壮威
中北大学计算机科学与技术学院,太原030051 中北大学人工智能与计算机视觉研究所,太原030051中北大学计算机科学与技术学院,太原030051 中北大学人工智能与计算机视觉研究所,太原030051中北大学计算机科学与技术学院,太原030051 中北大学人工智能与计算机视觉研究所,太原030051中北大学计算机科学与技术学院,太原030051 中北大学人工智能与计算机视觉研究所,太原030051中北大学计算机科学与技术学院,太原030051 中北大学人工智能与计算机视觉研究所,太原030051中北大学计算机科学与技术学院,太原030051 中北大学人工智能与计算机视觉研究所,太原030051
计算机与自动化
织物材质识别空间分割注意力模块区域划分卷积神经网络深度可分离卷积
《现代纺织技术》 2024 (12)
P.58-67,10
山西省自然科学基金项目(202103021224218)。
评论