计算机辅助设计与图形学学报

作者：李鑫, 崔文婷, 金帆, 於全豪, 余烨, 路强

关键词：车缝线, 多尺度特征, 图像分割, 注意力机制, 增强特征金字塔

针对织物车缝线缝制工艺多样, 造成其种类多、形态不定以及缝线与织物纹理近似性等导致车缝线准确分割困难等问题, 提出一个基于多尺度特征的纺织品车缝线迹分割网络. 首先采用融合注意力机制的残差网络提取其位置信息; 然后使用增强特征金字塔模块, 充分利用多尺度特征得到预候选区域的语义信息, 将其融合后经过筛选得到车缝线候选区域; 最后经过全卷积网络实现车缝线的分割. 在真实纺织品车缝线数据集SewTrace上进行实验的结果表明, 所提网络对纺织品车缝线迹分割的均值平均精度为0.96, 计算量为1. 5G; 在具有相似特征的公开数据集CrackForest, CRKWH100和Kolektor上与其他同类网络进行实验的结果表明, 该网络的均值平均精度分别达到0.85, 0.89和0.89, 分割精度和预测速度指标优于其他同类网络, 证明其能够有效地提高线形目标分割精度.

来源：2024年第8期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第8期