一种基于权重图引导的布匹瑕疵图像生成方法技术

本发明专利技术涉及图像生成技术领域，公开了一种基于权重图引导的布匹瑕疵图像生成方法，包括采集带有瑕疵的布匹图片，经图像预处理为一组子图像然后依次输入到离线训练好的WMG‑GAN网络中生成新的布匹瑕疵图片。WMG‑GAN网络基于CycleGAN网络，对CycleGAN网络生成器的输出结果图像增加采用注意力机制的思路，将输出结果图像分为前景权重图和特征权重图；在CycleGAN网络判别器的每个中间层级的LeakyReLU函数后增加ConvNeXtV2模块。本发明专利技术的图像生成方法能够在无需配对样本的情况下生成布匹瑕疵图片，通过使用前景和特征权重图可以选择性地改变前景同时保留背景，从而实现更加真实的图像生成。

【技术实现步骤摘要】

本专利技术属于布匹瑕疵检测和图像生成，具体是涉及一种基于权重图引导的布匹瑕疵图像生成方法。

技术介绍

1、布匹瑕疵是指在织造过程中布匹表面出现的瑕疵缺陷，这些瑕疵主要由设备故障、纱线问题、杂物夹入、不良加工、过度拉升等引起。随着计算机视觉和机器学习技术的发展，基于图像分析的自动瑕疵检测系统逐渐成为研究热点。然而，布匹瑕疵图像的获取面临着诸多挑战。首先，布匹瑕疵的种类繁多，增加了图像采集的难度。其次，布匹瑕疵图像的数量相对较少，数据集的规模严重限制了模型的训练和泛化能力。此外，由于生产环境的复杂性，进一步影响了图像的质量和可用性。目前有很多生成图像的方法，其中generativeadversarial networks(gans)是最具代表性的一种。然而，gan在训练过程中存在一些不足，如模式崩溃现象,即生成器只能生成有限种类的图像，导致生成图像的多样性不足。

2、为了解决上述问题，许多学者在gan模型基础上进行广泛研究和优化。deepconvolutional gan(dcgan)用卷积层替换全连接层并应用批量归一化技术；auxiliarycl本文档来自技高网...

【技术保护点】

1.一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：包括采集带有瑕疵的布匹图片并经图像预处理为一组子图像，然后将子图像依次输入到离线训练好的WMG-GAN网络中，生成带有瑕疵种类标记的布匹瑕疵图片；

2.根据权利要求1所述的一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：

3.根据权利要求2所述的一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：

4.根据权利要求3所述的一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：

5.根据权利要求4所述的一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：</p>

6.根据...

【技术特征摘要】

1.一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：包括采集带有瑕疵的布匹图片并经图像预处理为一组子图像，然后将子图像依次输入到离线训练好的wmg-gan网络中，生成带有瑕疵种类标记的布匹瑕疵图片；

2.根据权利要求1所述的一种基于权重图引导的布匹瑕疵图像生成方法，其特征在于：

3.根据权利要求2所述...

【专利技术属性】
技术研发人员：王迎铭，任佳，潘海鹏，陈柯烽，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：