-
题名基于照相测色的纺织品色牢度评级方法
- 1
-
-
作者
梁金星
李东盛
李壹帆
周景
罗航
陈佳
胡新荣
-
机构
武汉纺织大学计算机与人工智能学院
湖北省服装信息化工程技术研究中心
纺织行业智慧感知与计算重点实验室
-
出处
《纺织学报》
北大核心
2025年第4期119-128,共10页
-
基金
国家自然科学基金青年基金项目(62305255)
中国纺织工业联合会应用基础研究项目(J202209)
湖北省服装信息化工程技术研究中心开放课题(2022HBCI03)。
-
文摘
色牢度等级是评价纺织品在不同影响条件下保持颜色的能力,针对传统纺织品色牢度人工目视评级存在的繁琐性和不稳定性,以及基于分光光度计测色评级与视觉感知的不一致性,提出了一种基于照相测色的纺织品色牢度评级方法。首先以自主研发的照相测色系统为基础,通过光谱重建技术获得纺织品光谱数据,并利用色度学理论计算纺织品的颜色信息;然后以专家对样本对的色牢度评级结果为参考,利用BP神经网络构建样本对颜色差异与专家色牢度评级结果之间的关系模型;最后对于任意新给定的色牢度测试样本对,利用构建的关系模型完成其色牢度等级预测,并与专家评级结果进行比较。研究结果表明,BP神经网络方法对纺织品摩擦、皂洗和日晒样本的色牢度预测均方根误差分别为0.30、0.27和0.41,色牢度预测的精度与修正后的色差转换法相当,且显著优于曲线拟合法。
-
关键词
纺织品
色牢度预测模型
照相测色
光谱重建
色度学理论
色牢度评级
BP神经网络
-
Keywords
textile
color fastness prediction model
imaging-based color measurement
spectral reconstruction
colorimetry theory
color fastness grading
BP neural network
-
分类号
TS107
[轻工技术与工程—纺织工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名分布外检测中训练与测试的内外数据整合
- 2
-
-
作者
王祉苑
彭涛
杨捷
-
机构
武汉纺织大学计算机与人工智能学院
武汉纺织大学纺织行业智慧感知与计算重点实验室
伍伦贡大学计算机与信息技术学院
-
出处
《计算机应用》
北大核心
2025年第8期2497-2506,共10页
-
基金
中国高校产学研创新基金资助项目(2021ITA05012)。
-
文摘
分布外(OOD)检测旨在识别偏离训练数据分布的外来样本,以规避模型对异常情况的错误预测。由于真实OOD数据的不可知性,目前基于预训练语言模型(PLM)的OOD检测方法尚未同时评估OOD分布在训练与测试阶段对检测性能的影响。针对这一问题,提出一种训练与测试阶段整合内外数据的OOD文本检测框架(IEDOD-TT)。该框架分阶段采用不同的数据整合策略:在训练阶段通过掩码语言模型(MLM)在原始训练集上生成伪OOD数据集,并引入对比学习增强内外数据之间的特征差异;在测试阶段通过结合内外数据分布的密度估计设计一个综合的OOD检测评分指标。实验结果表明,所提方法在CLINC150、NEWS-TOP5、SST2和YELP这4个数据集上的综合表现与最优基线方法 doSCL-cMaha相比,平均接受者操作特征曲线下面积(AUROC)提升了1.56个百分点,平均95%真阳性率下的假阳性率(FPR95)降低了2.83个百分点;与所提方法的最佳变体IS/IEDOD-TT(ID Single/IEDOD-TT)相比,所提方法在这4个数据集上的平均AUROC提升了1.61个百分点,平均FPR95降低了2.71个百分点。实验结果证明了IEDOD-TT在处理文本分类任务时针对不同数据分布偏移的有效性,并验证了综合考虑内外数据分布的额外性能提升。
-
关键词
分布外检测
预训练语言模型
内外数据整合
对比学习
文本分类
-
Keywords
Out-Of-Distribution(OOD)detection
Pre-trained Language Model(PLM)
internal and external data integration
contrastive learning
text classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
