基于改进MobileNet v2的垃圾图像分类算法

• 作者: 陈智超 焦海宁 杨杰 曾华福
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 垃圾图像分类 MobileNet v2 注意力机制 多尺度特征融合 迁移学习
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 1490-1499
• 页数: 10页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.08.010

摘要

针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络.通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度.实验结果表明,算法在自建数据集上的平均准确率为94.6％,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0％、3.4％、3.2％、2.3％、1.2％;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升.