[发明专利]一种基于轻量化卷积神经网络的纬编针织物分类方法在审

专利信息
申请号: 202211722352.9 申请日: 2022-12-30
公开(公告)号: CN115861714A 公开(公告)日: 2023-03-28
发明(设计)人: 汝欣;彭来湖;李建强;汤炜;胡旭东;史伟民 申请(专利权)人: 浙江理工大学
主分类号: G06V10/764 分类号: G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06V10/80
代理公司: 浙江侨悦专利代理有限公司 33470 代理人: 林燕
地址: 310000 浙江省杭州市杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 量化 卷积 神经网络 针织物 分类 方法
【权利要求书】:

1.一种基于轻量化卷积神经网络的纬编针织物分类方法,其特征在于,包括:

S101:获取多种纬编针织物的样本图像,建立样本数据集,其中,所述样本数据集包括多组样本图像组,每组所述样本图像组包括同一个所述纬编针织物的正面图像和反面图像;

S102:计算所述样本数据集的均值与标准差,并根据所述均值与所述标准差对各所述样本图像的多个颜色通道进行标准化处理,建立标准化数据集;

S103:将所述标准化数据集按预设比例划分为训练集、验证集与测试集;

S104:引入轻量级注意力机制模块和多个幽灵模块,并结合双分支网络架构,构建具有第一子网络和第二子网络的神经网络模型;

S105:分别将属于所述训练集和所述验证集的各样本图像组中的所述正面图像和所述反面图像随机输入至所述第一子网络和所述第二子网络,采取权值共享策略进行卷积运算得到第一图像特征和第二图像特征;

S106:通过所述神经网络模型对所述第一图像特征的特征向量和所述第二图像特征的特征向量进行融合,得到表征每个所述样本数据组的融合特征向量;

S107:根据所述融合特征向量对输入的所述样本图像组进行分类,输出所述训练集和所述验证集中的各所述样本图像组对应的预测结构;

S108:判断所述预测结构与对应的所述样本图像组的实际结构是否相同,并计算所述训练集的预测准确率、训练集的损失值与所述验证集的预测准确率;

S109:在所述训练集的损失值逐渐降低的过程中,判断所述验证集的预测准确率是否稳定于第一预设范围,在所述验证集的预测准确率稳定于所述第一预设范围的情况下,完成所述神经网络模型的初步训练;

S110:根据所述验证集的预测准确率调整所述神经网络模型的超参数,保留所述验证集的预测准确率最高的神经网络模型,在所述验证集的预测准确率大于第一预设值的情况下,得到最优神经网络模型;

S111:将所述测试集中的各样本图像组输入至所述最优神经网络模型进行分类,得到所述测试集的预测结构,计算测试集的预测准确率,在所述测试集的预测准确率稳定于第二预设范围的情况下,将所述最优神经网络模型作为最终的神经网络模型。

2.根据权利要求1所述的纬编针织物分类方法,其特征在于,所述S101具体包括:

S1011:收集不同的纬编针织面料;

S1012:结合工业相机与亮度可调的LED光源,建立图像采集系统,将所述图像采集系统的采集分辨率调整至640×640像素;

S1013:利用所述图像采集系统拍摄每个所述纬编针织面料的正面图像和反面图像,将所述正面图像和所述反面图像作为样本图像,建立所述样本数据集。

3.根据权利要求1所述的纬编针织物分类方法,其特征在于,所述S102具体包括:

S1021:计算各所述样本数据集的均值和标准差;

S1022:根据所述均值和所述标准差,对所述样本图像的多个颜色通道通过公式1进行标准化处理得到标准化输出图像:

/

其中,input代表所述样本图像,output表示所述标准化输出图像,mean表示所述样本数据集的均值,std为所述样本数据集的标准差;

S1023:根据所述标准化输出图像,建立标准化数据集。

4.根据权利要求1所述的纬编针织物分类方法,其特征在于,在所述S103之后还包括:

S112:对所述训练集中的各所述样本图像进行在线数据增强,以扩充所述训练集中的所述样本图像数量。

5.根据权利要求4所述的纬编针织物分类方法,其特征在于,所述在线数据增强包括亮度增强、对比度增强、饱和度变化增强、360°随机旋转增强、随机水平增强、垂直翻转增强与随机缩放裁剪增强。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江理工大学,未经浙江理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211722352.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top