基于改进DANN网络的织物缺陷检测

发布时间：2021-06-09 18:53

　　针对传统的织物缺陷检测算法普适性不足的问题,提出一种基于改进DANN网络的织物缺陷检测算法。分析了对抗迁移学习领域的DANN网络存在的仅考虑源域和目标域间特征相似的情况和对于复杂图片提取到的特征能力较差的问题。提出了改进的方法,通过在网络中加入MMD层,可以对提取到的目标域特征赋予不同的权重,并使用ResNet50作为特征提取器。将原DANN网络和改进的MMD-DANN网络在织物缺陷图库中进行了测试并对比了二者的缺陷检测结果。结果表明,改进后网络相比于原网络的准确率平均提高了5%左右,且实时性良好,能满足实际工业需求。 

【文章来源】：现代纺织技术. 2020,28(05)

【文章页数】：7 页

【部分图文】：

DANN网络结构

G f new (xt; θ f )= 1 ΜΜD(G f (x s ;θ f ),G f (x t ;θ f )) G f (x t ;θf) (4)使用ResNet50[27]作为特征提取网络。相比于LeNet网络,ResNet50具有更深的网络结构,对于较复杂的图像能够提取更多高层特征,同时,与传统的深度卷积网络不同的是其特有的Residual的结构,如图3所示。该网络在原有的深度卷积网络基础上增加了恒等映射(identitymapping),将原始所需要学的函数H(x)转换成F(x)+x,尽管这两种表达的效果相同,但是优化的难度却并不相同,F(x)的优化会比H(x)简单得多。这一想法也是源于图像处理中的残差向量编码,通过一个reformulation,将一个问题分解成多个尺度直接的残差问题,能够很好的起到优化训练的效果[28]。该结构的加入可以有效地解决深度卷积神经网络越深,训练错误越多的问题。

Residual结构

【参考文献】：
期刊论文
[1]应用GAN和Faster R-CNN的色织物缺陷识别[J]. 李明,景军锋,李鹏飞.  西安工程大学学报. 2018(06)
[2]基于改进SAE网络的织物疵点检测算法[J]. 景军锋,党永强,苏泽斌,李鹏飞,张宏伟.  电子测量与仪器学报. 2017(08)
[3]基于GoogLeNet的色织物花型分类[J]. 张宏伟,张凌婕,李鹏飞,宋执环.  纺织科技进展. 2017(07)
[4]基于小波域多尺度Markov随机场的织物印花图案分割[J]. 景军锋,李阳,李鹏飞,焦洋.  纺织学报. 2014(01)
[5]基于自适应离散小波变换的混合特征畸变织物疵点识别[J]. 杨晓波.  纺织学报. 2013(01)

博士论文
[1]数学形态学及其应用[D]. 任获荣.西安电子科技大学 2004

硕士论文
[1]基于卷积神经网络的色织物疵点检测与分类算法研究[D]. 董阿梅.西安工程大学 2018
[2]基于图像分析的色织物疵点检测研究[D]. 朱丹丹.江南大学 2014



本文编号：3221130