科研之友
微信
新浪微博
Facebook
分享链接
摘要
在实际的生产过程中，织物的印花图案往往由循环图案基元排列而成。然而基于传统的人工织物循环图案基元分割会消耗大量设计成本，因此实现基元的自动分割，有非常重要的研究意义。近年来，随着深度学习技术的快速发展，为解决该问题带来新的希望。针对印花织物循环图案基元分割，该文提出了一种基于深度学习的循环图案基元分割算法。该算法利用预训练AlexNet网络的卷积层进行特征提取，织物图像输入网络后，在网络特征层中会产生规律的激活峰值，每对峰值对应一组位移向量。并且对位移向量进行投票，出现次数最多位移向量的绝对值即为循环图案基元的尺寸。随后在印花织物中找到对应区域，从而实现完整循环图案基元的分割。对比传统算法，该算法不仅可以分割出简单印花织物的循环图案基元，还可以分割复杂印花织物的循环图案基元，达到了更高的准确率，具有更强的鲁棒性。
- 单位
