基于迁移学习的垃圾图像分类模型研究

• 作者: 李优 穆林平
• 来源期刊: 电脑与信息技术
• 关键词: 图像识别 垃圾分类 迁移学习 预训练 微调
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形图像识别处理技术|Graphic, Image Recognition and Processing Techenology
• 页码范围: 17-21
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1005-1228.2021.04.005

摘要

传统的垃圾分类主要通过人工提取图像特征进行训练分类,过程复杂、特征提取不够均衡、分类效果不佳,已不能满足当前的垃圾分类需求.文章提出一种垃圾图像分类模型,为解决目标函数训练数据量不足的问题,先对图像进行预处理操作,对大规模数据集ImageNet上训练好的ResNet50进行迁移学习,修改全连接层,在华为提供的1万余张垃圾图像数据集上进行微调,优化网络.实验结果表明,按照当前垃圾分类标准划分为4类的前提下准确率可达92％左右,能够基本满足日常生活垃圾的分类需求.