应用GAN和Faster R-CNN的色织物缺陷识别

• 作者: 景军锋 李明 李鹏飞
• 来源期刊: 西安工程大学学报
• 关键词: 色织物 图像扩充 生成对抗网络 FasterR-CNN 缺陷识别
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 电子信息
• 页码范围: 663-669
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2018.06.008

摘要

为解决色织物缺陷检测时传统人工的误检率 、漏检率较高问题,给出一种应用生成对抗网络(GAN,generative adversarial net)和Faster R-CNN相结合的缺陷识别算法.针对织物图像采集过程中存在缺陷样本分布不均,现有色织物缺陷样本多样性贫乏,先对缺陷织物进行GAN训练,生成与缺陷样本相似的织物图像来扩充样本;再根据候选框生成算法提取缺陷位置,深度卷积神经网络学习其区域和边缘特征;最后,利用Softmax分类器对织物缺陷进行分类,非极大值抑制算法调整优化缺陷位置.实验结果表明,应用GAN和Faster R-CNN的缺陷识别算法,可提高色织物图像库中的缺陷图像检测效率,并能准确获取缺陷位置和类别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏飞	西安工程大学电子信息学院	157	710	12.0	17.0
2	景军锋	西安工程大学电子信息学院	143	578	12.0	16.0
3	李明	西安工程大学电子信息学院	2	14	1.0	2.0