A novel plaid fabric image search method based on handcrafted features
Notice bibliographique
Résumé
Purpose Fabric image search can obtain technological parameters of existing similar fabric images to guide production, saving lots of labor and material resources in the proofing process. Traditional fabric search methods require manual assistance, being time-consuming and subjective. Studying automatic search method based on feature engineering can improve the precision and efficiency of fabric retrieval. Design/methodology/approach This paper presents a novel image search method for plaid fabrics based on handcrafted features. First, local texture descriptors are extracted by the local binary pattern on the separated images which are processed by Fourier transform. Key-point texture descriptors are extracted by Scale-Invariant Feature Transform (SIFT) and Vector of Locally Aggregated Descriptors (VLAD). Second, color moments with image partitioning are extracted to characterize spatial color information of plaid fabric images, and color coherence vector is adopted to assist in characterizing spatial color features. Third, the similarities of the three features are calculated and fused by the weight assignment to realize the plaid fabric image retrieval. Findings To verify the proposed strategy, 44,000 fabric samples are collected from the factory to build the image database as the benchmark. Experiments show that precision and recall at rank five reach to 74.4 and 52.6%, respectively, and mAP reaches to 0.718. Results prove that the proposed strategy is feasible and effective, which can realize plaid fabric image search fast and efficiently. Originality/value Experiments prove the feasibility, effectiveness and superiority of the proposed method compared to existing methods. The proposed method can help the fabric manufacturing factory save lots of labor and material resources in the process of fabric design, manufacturing and sale.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».