基于GAN和Faster R-CNN的色织物缺陷识别
为解决色织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种基于生成对抗网络(GAN)和Faster R-CNN相结合的缺陷识别算法.因织物图像采集过程中存在缺陷样本分布不均,并且现有色织物缺陷样本多样性贫乏,先对缺陷织物进行生成对抗网络训练,生成与缺陷样本相似的织物图像来扩充样本;再根据候选框生成算法提取缺陷位置,深度卷积神经网络学习其区域和边缘特征,最后,利用Softmax分类器对织物缺陷进行分类,非极大值抑制算法调整优化缺陷位置.实验结果表明:基于GAN和Faster R-CNN的缺陷识别算法对色织物图像库中的缺陷图像可实现提高检测效率、荻取准确缺陷位置和类别的目的.
色织物 缺陷识别 图像扩充 生成对抗网络
李明 景军锋 李鹏飞
陕西省纺织印染自动化工程技术研究中心,陕西西安710048
国内会议
江苏无锡
中文
78-81
2018-09-01（万方平台首次上网日期，不代表论文的发表时间）