用于花纹织物缺陷检测的级联放大网络
计算机视觉与模式识别
2021-09-21 v2
摘要
如今，深度卷积神经网络（DCNNs）被广泛用于织物缺陷检测，但其代价是昂贵的训练与复杂的模型参数。鉴于实践中大多数织物无缺陷的观察，提出一种两步级联放大网络（CZI-Net）用于花纹织物缺陷检测。在 CZI-Net 中，使用聚合 HOG（A-HOG）与 SIFT 特征代替简单卷积滤波器进行特征提取。此外，为提取更具区分性的特征，CZI-Net 中包含了特征表示层与全连接层。实践中，大多数无缺陷织物仅涉及方法的第一步，避免了第二步中的高代价计算，从而实现非常快速的织物检测。更重要的是，我们在第一步提出局部性约束重构误差（LCRE），在第二步提出限制性局部性约束编码（RLC）、索引词袋（BoI）方法。我们还分析了不同编码方法间的联系，并得出结论：视觉词的索引在编码方法中起着关键作用。总之，基于真实世界数据集的实验表明，所提方法不仅计算简单，而且检测精度高。
引用
@article{arxiv.2108.06760,
title = {A Cascaded Zoom-In Network for Patterned Fabric Defect Detection},
author = {Zhiwei Zhang},
journal= {arXiv preprint arXiv:2108.06760},
year = {2021}
}
备注
Technical Report; 12 pages, 15 figures