FabricNet：一种基于集成卷积神经网络的纤维识别架构
计算机视觉与模式识别
2021-01-15 v1 机器学习
摘要
织物是由纺织纤维构成的平面材料。纺织纤维来源于许多天然来源，包括植物、动物、矿物，甚至可以是合成的。特定织物可能含有经过复杂生产流程的不同类型纤维。纤维鉴定通常通过化学测试与显微测试进行。然而，这些测试过程复杂且耗时。我们提出 FabricNet，一种基于图像的纺织纤维识别系统的开创性方法，其可能对从个体到工业的纤维识别过程产生革命性影响。FabricNet 仅利用织物表面图像即可识别大规模纤维。该识别系统采用一种基于类别的集成卷积神经网络（CNN）架构构建。实验针对 50 种不同纺织纤维的识别展开。据我们所知，该实验包含的独特性纺织纤维数量显著多于以往研究。我们尝试了流行的 CNN 架构，包括 Inception、ResNet、VGG、MobileNet、DenseNet 与 Xception。最终，实验结果表明 FabricNet 以 84% 的准确率与 90% 的 F1 分数优于 SOTA 流行 CNN 架构。
引用
@article{arxiv.2101.05564,
title = {FabricNet: A Fiber Recognition Architecture Using Ensemble ConvNets},
author = {Abu Quwsar Ohi and M. F. Mridha and Md. Abdul Hamid and Muhammad Mostafa Monowar and Faris A Kateb},
journal= {arXiv preprint arXiv:2101.05564},
year = {2021}
}
备注
Accepted in IEEE Access