基于GoogleNet网络与残差网络的织物纹理分析

作者：邓宇平; 王桂棠^*

来源：电子测量技术, 2021, 44(07): 31-38.

DOI：10.19651/j.cnki.emt.2106000

• 纹理特性分析
• 迁移学习
• GoogLeNet
• 残差网络

针对目前织物自动开幅设备无法准确识别复杂织物纹理背景下的开幅引导线的问题,设计了一种基于迁移学习的GoogleNet网络与非迁移学习的残差网络的织物纹理特性分类系统。所使用的样本数据集分为密集型花纹等7种纹理特性,共计1 543张图,随机选取80%的图片作为训练集,剩余20%图片作为测试集。两种不同的卷积神经网络在现有的数据集中达到了100%的识别准确率,并且在后续的系统测试中,新增了300张样品,最终系统的识别准确率达到了98%。实验结果表明,将GoogleNet网络与残差网络应用于织物纹理特性的分析与分类切实可行,以此为算法基础构建的系统具有实用价值。

• 单位
  广东工业大学