針對紡織品行業(yè)布料種類數(shù)多且紋理復(fù)雜導(dǎo)致人為區(qū)分困難的問題,引入深度學(xué)習(xí)技術(shù),提出了融合多尺度注意力共現(xiàn)特征的殘差紋理編碼網(wǎng)絡(luò)模型（MACTEN）,并基于此實現(xiàn)Web端大規(guī)模布料分類系統(tǒng)。MACTEN主要包含注意力共現(xiàn)表示模塊（ACM）,改進(jìn)的殘差編碼模塊（REM）,以及多尺度紋理編碼融合模塊（MTEM）。ACM使用注意力機(jī)制對不同類型的布料自適應(yīng)調(diào)整紋理共現(xiàn)特征權(quán)重,并通過擴(kuò)展共現(xiàn)域優(yōu)化共現(xiàn)特征的聯(lián)合分布,形成更精致的紋理共現(xiàn)特征;REM通過了字典學(xué)習(xí)方式,產(chǎn)生改進(jìn)的殘差編碼,包含空間不變性的全局紋理信息,有效解決了布料紋理的無序表示問題。最后,MTEM同時融合多個尺度注意力紋理共現(xiàn)特征與級聯(lián)殘差紋理編碼作為描述子,可以表示不同形狀大小的無序布料紋理。在自建布料數(shù)據(jù)集上,MACTEN相比幾種基線算法有更好的表現(xiàn)。此外,KTHTIPS,FMD,DTD數(shù)據(jù)集的實驗結(jié)果表明,MACTEN能夠泛化作為通用紋理分類算法。 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 相關(guān)工作
3 模型結(jié)構(gòu)
    3.1 修正殘差塊
    3.2 注意力共現(xiàn)表示模塊
        3.2.1 注意力共現(xiàn)域擴(kuò)展層
        3.2.2 共現(xiàn)矩陣生成變換層
        3.2.3 特征投影層
    3.3 殘差編碼融合模塊
    3.4 多尺度紋理編碼融合模塊
4 實驗
    4.1 布料數(shù)據(jù)集介紹及實驗設(shè)置
        4.1.1 布料數(shù)據(jù)集介紹
        4.1.2 實驗設(shè)置
    4.2 布料識別結(jié)果
    4.3 消融研究
        4.3.1 探究注意力機(jī)制影響
        4.3.2 選擇注意力共現(xiàn)域擴(kuò)展方式
    4.4 MACTEN泛化性能測試
    4.5 基于MACTEN的大規(guī)模布料分類系統(tǒng)



本文編號：3647129