GoogleNet迁移学习用于垃圾分类

谭 舜天, 周 丽
四川大学锦城学院 计算机与软件学院

摘要

随着人们生活水平的提高，生活中的垃圾比过去也变得更加繁多，怎样通过更加智能的方法进行垃圾的分类工作，来节约更多的人力和物力资源使经济得到更好地发展。本文基于迁移学习来构建图像分类模型，用于识别部分垃圾的类别，按照垃圾分类的标准分成可回收物、厨余垃圾、有害垃圾和其他垃圾四种别，最终模型在测试集上有70%的准确率。

关键词

迁移学习；深度学习；GoogleNet；垃圾分类

参考

[1]Pratt, L. Y.; Thrun, Sebastian (July 1997). "Machine Learning - Special Issue on Inductive Transfer". link.springer.com. Springer. Retrieved 2017-08-10.

[2] 李英,宋丽娟.基于GoogLeNet模型的遥感图像 识别分类研究[J].电脑知识与技术,2021,17(12):4-6.

[3] 刘建伟,赵会丹,罗雄麟,许鋆.深度学 习批归一化及其相关算法研究进展[J]. 自动化学 报,2020,46(06):1090-1120.

[4] 高珊. 基于高层语义特征的图像检索算法研 究[D].长春工业大学,2018.

[5] Deep Residual Learning for Image Recognition[C]// IEEE Conference on Computer Vision & Pattern Recognition. IEEE Computer Society, 2016.

[6]卢丹丹. 基于深度学习的行人重识别技术[D]. 南京邮电大学,2019.

[7] 谢四江, 许世聪, 章乐. 基于同态加密的 卷积神经网络前向传播方法[J]. 计算机应用与软 件,2020,37(02):295-300+312.

[8] 翟高粤. 基于优化反向传播算法的物体识别 技术[J].甘肃科技纵横,2021,50(03):5-7.