MACTEN:新型大规模布料纹理分类框架

发布时间：2022-04-23 11:58

　　针对纺织品行业布料种类数多且纹理复杂导致人为区分困难的问题,引入深度学习技术,提出了融合多尺度注意力共现特征的残差纹理编码网络模型（MACTEN）,并基于此实现Web端大规模布料分类系统。MACTEN主要包含注意力共现表示模块（ACM）,改进的残差编码模块（REM）,以及多尺度纹理编码融合模块（MTEM）。ACM使用注意力机制对不同类型的布料自适应调整纹理共现特征权重,并通过扩展共现域优化共现特征的联合分布,形成更精致的纹理共现特征;REM通过了字典学习方式,产生改进的残差编码,包含空间不变性的全局纹理信息,有效解决了布料纹理的无序表示问题。最后,MTEM同时融合多个尺度注意力纹理共现特征与级联残差纹理编码作为描述子,可以表示不同形状大小的无序布料纹理。在自建布料数据集上,MACTEN相比几种基线算法有更好的表现。此外,KTHTIPS,FMD,DTD数据集的实验结果表明,MACTEN能够泛化作为通用纹理分类算法。 

【文章页数】：8 页

【文章目录】：
1 引言
2 相关工作
3 模型结构
    3.1 修正残差块
    3.2 注意力共现表示模块
        3.2.1 注意力共现域扩展层
        3.2.2 共现矩阵生成变换层
        3.2.3 特征投影层
    3.3 残差编码融合模块
    3.4 多尺度纹理编码融合模块
4 实验
    4.1 布料数据集介绍及实验设置
        4.1.1 布料数据集介绍
        4.1.2 实验设置
    4.2 布料识别结果
    4.3 消融研究
        4.3.1 探究注意力机制影响
        4.3.2 选择注意力共现域扩展方式
    4.4 MACTEN泛化性能测试
    4.5 基于MACTEN的大规模布料分类系统



本文编号：3647129