基于不同模型的迁移学习垃圾分类

蒲 晓海, 周 丽
四川大学锦城学院 计算机与软件学院

摘要

随着我国垃圾分类的进一步推进，如何正确地做好垃圾的分类是关键所在。在垃圾分类问题上可以利用机器视觉和传感器等技术帮助提高分类的正确率。本文基于三个不同的预训练模型GoogLeNet、ResNet18和MobileNetV2在迁移学习垃圾分类任务上的结果对比分析，实验结果表明：采用ResNet18预训练模型进行迁移学习的垃圾分类任务效果最好。

关键词

迁移学习；垃圾分类；GoogLeNet；ResNet18；MobileNetV2

参考

[1] 陈耘. 抓垃圾分类应精准施策[J]. 宁波经济 (财经视点),2019(08):44-45.

[2]Pan S J, Qiang Y. A Survey on Transfer Learning[J]. IEEE Transactions on Knowledge and Data Engineering, 2010, 22(10):1345-1359.

[3] Szegedy C, Wei L, Jia Y, et al. Going deeper with convolutions[C]// 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2015.

[4] 薛勇, 王立扬, 张瑜, 沈群. 基于GoogLeNet 深度迁移学习的苹果缺陷检测方法[J]. 农业机械学 报,2020,51(07):30-35.

[5] 徐一鸣, 张娟, 刘成成,顾菊平,潘高超.迁 移学习模式下基于GoogLeNet网络的风电机组视觉检测 [J].计算机科学,2019,46(05):260-265.

[6] [1] He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[J]. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016.

[7] Howard AG,Zhu M, Chen B,et al.

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications[J]. 2017.

[8] 陈宇超,卞晓晓.基于机器视觉与深度 学习的医疗垃圾分类系统[J]. 电脑编程技巧与维 护,2019(05):108-110.

[9] Sandler M, Howard A, Zhu M, et al.

MobileNetV2: Inverted Residuals and Linear Bottlenecks[C]// 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2018.