摘要：针对传统神经网络检测织物材质精确度低、检测速度慢的问题，提出一种融合空间分割注意力的织物材质识别算法。首先对多种材质的织物风吹视频进行分帧处理，得到织物图像。接着进行数据预处理，并采集织物图像的时序信息，利用欧氏距离计算织物图像中同一像素点在时间前后的位移量，将织物图像进行区域划分。将处理后的图像输入到注意力网络中进行特征提取，采取深度可分离卷积（DSC）替代普通卷积，以减少网络参数与计算量，增强网络的特征提取能力。然后在每个卷积层后引入空间分割注意力模块（SPAM）来增强重要特征，防止特征图信息丢失过多，提升网络精度。最后通过全局平均池化层和softmax层实现织物材质的识别。结果表明：文章所提出的织物材质识别算法能够快速、有效地对织物材质进行分类识别，准确率达到93.9％，单张图片检测时间为83.14 ms，在保证识别精度的同时具有较强的实时性。
文章目录
1 融合空间分割注意力的织物材质识别算法
1.1 图像预处理
1.1.1 色彩弱化与数据增强
1.1.2 图像区域划分
1.1.3 数据集实验
1.2 织物材质识别网络
1.2.1 织物材质识别网络的构建
1.2.2 混合深度可分离卷积模块
1.2.2.1 深度可分离卷积
1.2.2.2 空间分割注意力
1.2.3 激活函数
1.2.4 损失函数
2 实验结果与分析
2.1 网络训练结果
2.2 消融实验
3 结论
