《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 基于殘差結(jié)構(gòu)和幻象模塊的垃圾圖片分類算法
基于殘差結(jié)構(gòu)和幻象模塊的垃圾圖片分類算法
信息技術(shù)與網(wǎng)絡(luò)安全
鄭佑順1,，2,，林珊玲2,，3,，林志賢1,，2,，周雄圖1,，2,，郭太良1,，2
（1.福州大學(xué) 物理與信息工程學(xué)院，福建 福州350116,； 　　2.中國(guó)福建光電信息科學(xué)與技術(shù)創(chuàng)新實(shí)驗(yàn)室,，福建 福州350116； 　　3.福州大學(xué) 先進(jìn)制造學(xué)院,，福建 泉州362200）
摘要： 垃圾圖片分類算法對(duì)于垃圾分揀的智能化和自動(dòng)化具有重要的意義,，針對(duì)我國(guó)垃圾分類現(xiàn)狀，收集制作了小型生活垃圾數(shù)據(jù)集,，提出基于殘差結(jié)構(gòu)和幻象模塊的垃圾圖片分類算法,。使用幻象模塊代替ResNet18的普通卷積，在不降低網(wǎng)絡(luò)性能的同時(shí)減少了網(wǎng)絡(luò)的參數(shù)量,。采用數(shù)據(jù)增強(qiáng)方法擴(kuò)充訓(xùn)練數(shù)據(jù),，防止過擬合。實(shí)驗(yàn)結(jié)果表明,，改進(jìn)后網(wǎng)絡(luò)的參數(shù)量減少了46%,，識(shí)別精度提高了1%。
中圖分類號(hào)： TP391.4
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2021.01.009
引用格式： 鄭佑順,，林珊玲,，林志賢，等。 基于殘差結(jié)構(gòu)和幻象模塊的垃圾圖片分類算法[J].信息技術(shù)與網(wǎng)絡(luò)安全,，2021,，40（1）：50-55.
Garbage image classification algorithm based on residual structure and ghost module
Zheng Youshun1，2,，Lin Shanling2,，3，Lin Zhixian1,，2,，Zhou Xiongtu1，2,，Guo Tailiang1,，2
（1.College of Physics and Information Engineering，F(xiàn)uzhou University,，F(xiàn)uzhou 350116,，China； 　　2.Fujian Science & Technology Innovation Laboratory for Optoelectronic Information of China,，F(xiàn)uzhou 350116,，China； 　　3.School of Advanced Manufacturing,，F(xiàn)uzhou University,，Quanzhou 362200，China）
Abstract： Garbage image classification algorithm is of great significance for the intelligentization and automation of garbage sorting. According to the status quo of garbage classification in China, this paper created a small household waste dataset and proposed a garbage image classification algorithm based on residual structure and ghost module. The algorithm used ghost module instead of ordinary convolution, reducing the number of ResNet18 network parameters without reducing performance. The data enhancement method was used to expand the training data to prevent overfitting. The experimental results show that the number of parameters in the improved network is reduced by 46% and the recognition accuracy is improved by 1%.
Key words : garbage image classification algorithm,；residual structure,；ghost module；ResNet18,；data enhancement

0     引言

　　根據(jù)中國(guó)城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒統(tǒng)計(jì),，我國(guó)城市生活垃圾的產(chǎn)生量由1979年的0.25億噸增至2018年的2.28億噸[1]。隨著人民生活水平的提高,，垃圾產(chǎn)生量仍在上升。有效回收生活垃圾成為急需解決的問題,，這對(duì)于可持續(xù)發(fā)展具有重大的意義,。垃圾分類是回收的前提。目前,，我國(guó)垃圾分類主要以人工分揀為主,，存在勞動(dòng)強(qiáng)度大、效率低等缺點(diǎn),。實(shí)現(xiàn)垃圾分揀的智能化與自動(dòng)化具有重要的意義,。垃圾圖片分類算法有助于實(shí)現(xiàn)垃圾分揀的智能化與自動(dòng)化。

　　近年來,，越來越多的專家學(xué)者對(duì)垃圾分類算法進(jìn)行了研究與實(shí)踐,。吳建等人使用傳統(tǒng)的計(jì)算機(jī)視覺方法,，手動(dòng)提取特征，識(shí)別實(shí)驗(yàn)室廢物垃圾[2],。黃惠玲等人提出基于HSV的閾值分割算法和K均值聚類算法識(shí)別建筑垃圾圖像[3],。黃興華等人提出基于紋理特征融合的道路垃圾圖像識(shí)別算法[4]。向偉等人提出改進(jìn)的CaffeNet網(wǎng)絡(luò)識(shí)別水面垃圾[5],。但是缺乏針對(duì)生活垃圾圖片分類算法的研究,。目前，我國(guó)各城市全面推行垃圾分類制度,，基本建立相應(yīng)的法律法規(guī)和標(biāo)準(zhǔn)體系,，將生活垃圾細(xì)分，大致可分為可回收垃圾,、有害垃圾,、廚余垃圾和其他垃圾四大類。針對(duì)我國(guó)垃圾分類現(xiàn)狀,，收集制作了小型生活垃圾數(shù)據(jù)集,，選取經(jīng)典網(wǎng)絡(luò)ResNet18[6]作為基礎(chǔ)網(wǎng)絡(luò)，使用GhostNet[7]的幻象模塊代替殘差學(xué)習(xí)單元中的普通卷積,，減少網(wǎng)絡(luò)的參數(shù)量,，提出基于幻象殘差結(jié)構(gòu)的垃圾圖片分類算法。






本文詳細(xì)內(nèi)容請(qǐng)下載：http://wldgj.com/resource/share/2000003317





作者信息：

鄭佑順1,，2,，林珊玲2，3,，林志賢1,，2，周雄圖1,，2,，郭太良1，2

（1.福州大學(xué) 物理與信息工程學(xué)院,，福建 福州350116,；2.中國(guó)福建光電信息科學(xué)與技術(shù)創(chuàng)新實(shí)驗(yàn)室，福建 福州350116,；3.福州大學(xué) 先進(jìn)制造學(xué)院,，福建 泉州362200）


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。