基于迁移学习的垃圾图像分类应用

雷 豪洋, 周 丽
四川大学锦城学院 计算机与软件学院

摘要

随着社会的不断发展，人们生活水平的不断提高，生活方式的极大改善，使得垃圾处理问题越来越受到重视。如果没有对垃圾进行科学分类处理，反而是随意丢弃，那么对于土壤，水资源等人类赖以生存的环境会有很大程度的污染。垃圾分类则是有效地缓解环境污染问题的关键环节。迁移学习可以有效地解决在没有足够数据的情况下模型训练会产生过拟合的问题，本文使用基于预训练网络的迁移学习方法，将垃圾图像数据集中的80%作为训练集，剩下的作为测试集，来训练模型以实现垃圾图像分类。通过对不同模型在相同参数下的实验数据的对比，选择ResNet152作为预训练网络模型，测试准确率最高可达到82%。

关键词

迁移学习;ResNet152;垃圾分类

参考

[1] 戴冰燕, 郑志硕. 基于迁移学习的可回收垃圾 识别分类研究[J].中国科技信息,2021(05):86-88.

[2]Goodfellow,I.,Bengio,Y.,Courville ,A.Deeplearning (Vol. 1)[M].Cambridge:MIT press,2016:326-366.

[3] 王志明.数字图像处理与分析[M]. 北京: 清华大学出版,2012:184-204.

[4] Collobert, Ronan; Weston, Jason; Bottou, Leon; Karlen, Michael; Kavukcuoglu, Koray; Kuksa, Pavel. Natural Language Processing (Almost) from Scratch[J].Journal of Machine Learning Research,2011(12):2493-2537.

[5] 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(12):4-6.

[6] He K,ZHANG X,REN S,et al.Deep residual learning for image recognition[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2016:770-778.

[7] 杜云梅, 黄帅,梁会营.基于深度卷积神经 网络的脑电图异常检测[J].华南师范大学学报(自然 科学版),2020,52(2):122-128.

[8] 易峰,胡馨莹.基于深度残差网络的行人人脸 识别算法研究[J].电脑知识与技术,2018,14(23):233- 235.

[9] 郑誉煌, 戴冰燕, 熊泽珲, 陈钊. 基于迁移 学习的可回收生活垃圾图像分类识别研究[J].广东第 二师范学院学报,2020,40(03):94-100.

[10] 王颖, 江苏省城市垃圾分类回收的现状及政 策探讨[J].资源节约与环保,2021(01):75-78.