摘要
在实际的生产过程中,织物的印花图案往往由循环图案基元排列而成.然而基于传统的人工织物循环图案基元分割会消耗大量设计成本,因此实现基元的自动分割,有非常重要的研究意义.近年来,随着深度学习技术的快速发展,为解决该问题带来新的希望.针对印花织物循环图案基元分割,该文提出了一种基于深度学习的循环图案基元分割算法.该算法利用预训练AlexNet网络的卷积层进行特征提取,织物图像输入网络后,在网络特征层中会产生规律的激活峰值,每对峰值对应一组位移向量.并且对位移向量进行投票,出现次数最多位移向量的绝对值即为循环图案基元的尺寸.随后在印花织物中找到对应区域,从而实现完整循环图案基元的分割.对比传统算法,该算法不仅可以分割出简单印花织物的循环图案基元,还可以分割复杂印花织物的循环图案基元,达到了更高的准确率,具有更强的鲁棒性.
维普
万方数据