1.基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于包括以下步骤:
2.根据权利要求1所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述步骤s1的具体过程如下:
3.根据权利要求2所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述颜色预测模型csam架构中,深度卷积和自注意力结合在一个计算模块内,将不同类别的计算模型垂直的堆叠在一起,形成一个完整的网络;深度卷积和自注意力表示为一个预先定义好的感受野内的数值加权和。
4.根据权利要求3所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述颜色预测深度学习模型csam的构建过程如下:
5.根据权利要求4所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述网络中采用多段式的架构,每段包含了一个卷积层和一个transformer层,卷积层采用两个3×3内核和stride 2,transformer包括一个rel-attention和ffn;
6.根据权利要求1所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述步骤s3的具体过程如下:
7.根据权利要求6所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述步骤s4中,在得到颜色图像的相应信息后,将颜色空间映射到差分域,计算输入图像的颜色和一组参考颜色之间的距离,具体过程如下:
8.根据权利要求7所述的基于卷积和自注意机制神经网络的织物颜色识别方法,其特征在于所述步骤s6的具体过程如下: