科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前市场上纺织面料图像种类多、视觉特征复杂、数据量大的特点，为解决传统图像检索方法存在的检索速度慢、检索精度低的问题，提出一种基于深度学习的面料检索方法。该方法采用迁移学习，微调VGG16网络的结构，加入BN层提高模型的泛化能力，调整FC层神经元的数量减少计算量。同时优化损失函数以约束模型学习相似或相同的面料的特征也相似。以纺织企业提供的面料为数据集训练模型，得到提取面料特征的网络模型。进行在线面料检索时，使用faiss向量检索工具，快速计算待检索的面料的特征与特征库的相似度，得到相似度top-k的检索结果。经过实验证明，在企业面料数据集上，该系统检索mAP可达到0.892,检索时间仅为0.012 s,均优于以往的算法，从而验证了其可行性。
- 出版日期2023
- 单位西安工程大学
