首页 / 年会论文 / 正文
基于深度学习的针织花样色码生成优化方法研究
2025-04-11 14:13
摘要:为了降低针织物花型组织图案设计与研发的成本,缩短试样周期,满足当下快时尚的需求。本文提出一种基于Kaspar算法改进的InverseKnit++算法,实现了针织面料到花样色码的自动化设计。通过对RefinerNet细化预处理网络进行多级特征融合,提升对复杂纹理的识别能力;联合Img2Prog网络与PANet(Path Aggregation Network)实现多层次信息复用,并采用SPD(space to depth)卷积代替跨行卷积;在残差结构中引入注意力机制等改进措施提升低频色码生成精度,有效改善了原有算法中出现的色码丢失和准确性不足等问题。并在测试集上对改进算法进行定量评估与定性分析,实验结果表明,与Kaspar算法相比,改进后的InverseKnit++算法在整体准确率上提升到95%,前景准确率达到83.17%,验证了该算法在针织图像的花样色码生成中具有良好的效果。 关键词:花样色码;多级特征融合;SPD卷积;注意力机制;前景准确率
来源:数字仿真论坛