科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统自编码器应用于图案、背景纹理复杂的色织物缺陷检测任务中，存在普适性差以及漏检率、误检率高等问题，为了解决该问题，提出一种基于对比学习生成式对抗网络（ContrastGAN）的无监督检测方法。首先，建立基于ContrastGAN的色织物图像重构修复模型；其次，采用对比学习加强潜在特征空间正负例样本约束，最大化输入输出图像对应Patch之间的互信息，增强正负例特征向量区分度，使模型重构无缺陷样本图像能力得到进一步提升；然后，利用训练好的模型得到待测色织物的重构图像，并通过计算得到待测样本与对应重构图之间的残差图像；最后，对残差图像进行阈值分割和数学形态学处理，实现了缺陷区域的快速检测和准确定位。该模型能有效重构多种色织物的纹理，相比传统自编码器能够实现更高的缺陷定位精度，满足多种复杂色织物缺陷检测场景的需要。
- 单位
