[發明專利]一種基于細粒度神經網絡的織物種類識別方法

在審

• 申請號: 201810191716.2
• 申請日: 2018-03-08
• 公開（公告）號: CN108416774A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 黃凱;康德開;郭敘森;鄭杰鑫
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06F17/30;G06T5/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 陳偉斌

1.一種基于細粒度神經網絡的織物種類識別方法，其特征在于，包括以下步驟：

步驟1：構建細粒度卷積神經網絡；

步驟2：采集織物圖像，并對其進行預處理，建立織物圖像數據庫；

步驟3：使用預處理后的織物圖像，訓練細粒度識別卷積神經網絡模型；

步驟4：使用測試圖像對細粒度卷積神經網絡模型進行測試，得到測試圖像的織物類別識別結果。

2.根據權利要求1所述的一種基于細粒度神經網絡的織物種類識別方法，其特征在于：所述的步驟1中，包括5個卷積塊，1個全局卷積層，2個全連接層的細粒度識別深度卷積神經網絡，其輸入為預處理后的織物圖像塊，輸出為該圖像塊所對應的織物種類。

3.根據權利要求1所述的一種基于細粒度神經網絡的織物種類識別方法，其特征在于：所述的步驟2中，對每張圖像首先使用高斯濾波去除其噪聲，之后進行對比度提升，突出其細節；之后建立織物圖像數據庫，其中包含織物圖像以及每幅圖像對應的織物種類。

4.根據權利要求1所述的一種基于細粒度神經網絡的織物種類識別方法，其特征在于：所述的步驟3中，將預處理后的織物圖像裁剪為固定大小的圖像塊，并對其進行數據增強，將其作為訓練樣本，使用反向傳播及隨機梯度下降方法，對步驟1中構造的細粒度神經網絡模型進行訓練，最小化損失函數，得到優化后的網絡連接權重。

5.根據權利要求1所述的一種基于細粒度神經網絡的織物種類識別方法，其特征在于：所述的步驟4中，首先對待測試圖像進行預處理操作，其后使用固定大小的滑動窗口以固定步長在測試圖像上滑動，將窗口內的圖像輸入到步驟3訓練好的模型中，得到該窗口織物圖像所對應的織物種類；當對整張測試圖像遍歷完成后，將窗口對應織物種類中最多的類標簽作為該織物圖像的預測類標簽。