[發(fā)明專利]一種基于細(xì)粒度神經(jīng)網(wǎng)絡(luò)的織物種類識別方法

在審

• 申請?zhí)枺?/td>: 201810191716.2
• 申請日: 2018-03-08
• 公開（公告）號: CN108416774A
• 公開（公告）日: 2018-08-17
• 發(fā)明（設(shè)計(jì)）人: 黃凱;康德開;郭敘森;鄭杰鑫
• 申請（專利權(quán)）人: 中山大學(xué)
• 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(biāo)代理有限公司 44102
• 代理人: 陳偉斌

本發(fā)明涉及圖像處理及深度學(xué)習(xí)的技術(shù)領(lǐng)域，更具體地，涉及一種基于細(xì)粒度神經(jīng)網(wǎng)絡(luò)的織物種類識別方法。一種基于細(xì)粒度神經(jīng)網(wǎng)絡(luò)的織物種類識別方法，其中，包括以下步驟：步驟1：構(gòu)建細(xì)粒度卷積神經(jīng)網(wǎng)絡(luò)；步驟2：采集織物圖像，并對其進(jìn)行預(yù)處理，建立織物圖像數(shù)據(jù)庫；步驟3：使用預(yù)處理后的織物圖像，訓(xùn)練細(xì)粒度識別卷積神經(jīng)網(wǎng)絡(luò)模型；步驟4：使用測試圖像對細(xì)粒度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試，得到測試圖像的織物類別識別結(jié)果。本發(fā)明能夠更好地提取織物紋理等細(xì)粒度特征，實(shí)現(xiàn)織物種類的準(zhǔn)快速識別。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理及深度學(xué)習(xí)的技術(shù)領(lǐng)域，更具體地，涉及一種基于細(xì)粒度神經(jīng)網(wǎng)絡(luò)的織物種類識別方法。

背景技術(shù)

紡織產(chǎn)業(yè)是社會經(jīng)濟(jì)的重要組成部分。傳統(tǒng)人工進(jìn)行織物種類識別的方法容易受到識別人員熟練程度、疲勞程度、注意力是否集中等各種因素的影響，識別速度較慢、效率較低。大量研究人員已經(jīng)開始嘗試使用計(jì)算機(jī)視覺、圖像處理及機(jī)器學(xué)習(xí)等方法促進(jìn)紡織工業(yè)自動化、提高織物檢測的效率。

近年來，深度卷積神經(jīng)網(wǎng)絡(luò)以其優(yōu)越的性能已經(jīng)在圖像分類、目標(biāo)檢測、場景分割等多個(gè)領(lǐng)域取得巨大成功。與傳統(tǒng)的方法相比，深度卷積神經(jīng)網(wǎng)絡(luò)能夠直接以圖像作為輸入、實(shí)現(xiàn)端到端訓(xùn)練。同時(shí)，深度卷積神經(jīng)網(wǎng)絡(luò)無需手工設(shè)計(jì)特征，可以自動學(xué)習(xí)適用于圖像表征的特征，準(zhǔn)確率更高、魯棒性更強(qiáng)。

細(xì)粒度識別是指同一類的不同子類或?qū)嵗g的識別，如“哈士奇”與“愛斯基摩犬”的識別，由于其同屬犬類，外觀相差較小，需要通過身體部位的形狀、皮毛顏色、紋理等細(xì)微特征將其區(qū)分。如何使用卷積神經(jīng)網(wǎng)絡(luò)提取物體細(xì)粒度特征，也是一種重要的研究課題。國內(nèi)外研究人員已經(jīng)對卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行修改，并且在紋理識別、場景識別、細(xì)粒度分類等任務(wù)中顯示出優(yōu)良性能。

現(xiàn)有技術(shù)的缺陷是，現(xiàn)有技術(shù)中，基于卷積神經(jīng)網(wǎng)絡(luò)對織物疵點(diǎn)進(jìn)行檢測，只能針對織物圖像中的瑕疵點(diǎn)進(jìn)行檢測，難以推廣到織物種類識別的問題上；

現(xiàn)有技術(shù)中，基于通常物體分類的卷積神經(jīng)對織物瑕疵點(diǎn)進(jìn)行檢測，其方法在織物種類較多、織物種類間的差異較小時(shí)，識別準(zhǔn)確率較低；

現(xiàn)有技術(shù)中，基于灰度變換矩陣、顏色聚合向量、小波變換等方式提取織物花型特征，利用特征向量相似性度量方式進(jìn)行織物花型匹配的方法，其特征容易受到環(huán)境光照、噪聲、拍攝角度等各種因素的影響，限制的系統(tǒng)的準(zhǔn)確率與魯棒性。

導(dǎo)致上述缺點(diǎn)的原因是，現(xiàn)有技術(shù)中，使用卷積神經(jīng)網(wǎng)絡(luò)對織物的疵點(diǎn)進(jìn)行檢測，由于織物疵點(diǎn)種類較少，因此其使用的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相對簡單，如果將其直接應(yīng)用于織物種類識別的問題上，難以保證識別的準(zhǔn)確率。

現(xiàn)有技術(shù)中，使用通用的卷積神經(jīng)網(wǎng)絡(luò)對織物進(jìn)行疵點(diǎn)檢測，由于通用卷積神經(jīng)網(wǎng)絡(luò)都是針對自然場景中較為大型的物體進(jìn)行設(shè)計(jì)，難以提取到圖像的紋理等細(xì)粒度特征。而在織物種類識別問題上，織物之間難以根據(jù)顏色、形狀、輪廓等特征進(jìn)行識別，需要神經(jīng)網(wǎng)絡(luò)能夠提取更細(xì)粒度的特征。

現(xiàn)有技術(shù)中使用特征匹配進(jìn)行織物花型檢索的方法，基于灰度變換矩陣、顏色聚合向量、小波變化等方式提取花型圖像的特征，之后度量特征向量之間的相似性，得出匹配結(jié)果。該方法使用傳統(tǒng)手工設(shè)計(jì)特征對織物花型進(jìn)行特征描述，其特征容易受到光照變化、環(huán)境噪聲等因素影響，同時(shí)其特征難以實(shí)現(xiàn)織物花型的較優(yōu)表征，因此匹配準(zhǔn)確率及魯棒性較低。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有技術(shù)所述的至少一種缺陷，提供一種基于細(xì)粒度神經(jīng)網(wǎng)絡(luò)的織物種類識別方法，是一種快速、簡便、準(zhǔn)確、魯棒的織物種類識別方法。本發(fā)明根據(jù)圖像傳感器獲得的織物圖像自動進(jìn)行織物種類識別，避免了傳統(tǒng)人工識別方法容易受到識別人員熟練程度、注意力集中情況、疲勞程度等因素的影響，提高織物識別的速度及準(zhǔn)確率。本發(fā)明提出的細(xì)粒度神經(jīng)網(wǎng)絡(luò)，在通用卷積神經(jīng)網(wǎng)絡(luò)中加入全局卷積層，能夠有效提取織物紋理等細(xì)粒度特征，有更高的識別準(zhǔn)確率及魯棒性。

本發(fā)明的技術(shù)方案是：一種基于細(xì)粒度神經(jīng)網(wǎng)絡(luò)的織物種類識別方法，其中，包括以下步驟：