基于有限元模拟与深度学习的纺织品描述性建模
计算机视觉与模式识别
2021-06-29 v1
摘要
在这项工作中，我们提出了一种新颖且全自动的方法，用于提取机织复合材料中的纱线几何特征，从而实现纺织增强体的直接参数化（例如有限元网格）。因此，我们的目标不仅是从层析图像中执行纱线分割，而是提供织物的完整描述性建模。就此而言，这种直接方法改进了先前使用体素级掩码作为中间表示再进行重网格化操作（纱线包络估计）的方法。所提出的方法采用两种深度神经网络架构（U-Net 和 Mask RCNN）。首先，我们训练 U-Net 从相应的有限元模拟生成合成 CT 图像。这允许生成大量标注数据而无需昂贵的手动标注。随后该数据用于训练 Mask R-CNN，其专注于预测图像中每条纱线周围的轮廓点。实验结果表明，我们的方法在 CT 图像上进行纱线实例分割时准确且鲁棒，这通过定量与定性分析得到进一步验证。
引用
@article{arxiv.2106.13982,
title = {Descriptive Modeling of Textiles using FE Simulations and Deep Learning},
author = {Arturo Mendoza and Roger Trullo and Yanneck Wielhorski},
journal= {arXiv preprint arXiv:2106.13982},
year = {2021}
}
备注
Preprint submitted to Composites Science and Technology. A. Mendoza and R. Trullo contributed equally to this work