用于皮革缺陷分类的高效神经网络方法
计算机视觉与模式识别
2019-06-18 v1
摘要
真皮，如牛、鳄鱼、蜥蜴和山羊的皮，通常含有天然与人工缺陷，如孔洞、蝇咬、蜱痕、脉络纹、切口、褶皱等。识别缺陷的传统方案是由熟练专家进行人工缺陷检验，其耗时且可能带来高错误率并导致低生产率。本文提出一系列自动图像处理流程，通过采用深度学习方法进行皮革缺陷分类。具体而言，皮革图像首先被划分为小块，随后经过一种名为 Canny 边缘检测的预处理技术以增强缺陷可视化。接着，采用人工神经网络（ANN）与卷积神经网络（CNN）提取丰富的图像特征。在由 2000 个样本组成的数据集上评估，所取得的最佳分类结果为 80.3%。此外，报告了混淆矩阵与受试者工作特征（ROC）等性能指标，以证明所提方法的效率。
引用
@article{arxiv.1906.06446,
title = {Efficient Neural Network Approaches for Leather Defect Classification},
author = {Sze-Teng Liong and Y. S. Gan and Kun-Hong Liu and Tran Quang Binh and Cong Tue Le and Chien An Wu and Cheng-Yan Yang and Yen-Chang Huang},
journal= {arXiv preprint arXiv:1906.06446},
year = {2019}
}
备注
15 pages, 10 Tables, 8 figures