雪鹰领主,梦入神机,斗破苍穹续集

基于殘差結構和幻象模塊的垃圾圖片分類算法

信息技術與網絡安全

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.福州大學物理與信息工程學院，福建福州350116；　　2.中國福建光電信息科學與技術創新實驗室，福建福州350116；　　3.福州大學先進制造學院，福建泉州362200）

摘要： 垃圾圖片分類算法對于垃圾分揀的智能化和自動化具有重要的意義，針對我國垃圾分類現狀，收集制作了小型生活垃圾數據集，提出基于殘差結構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，在不降低網絡性能的同時減少了網絡的參數量。采用數據增強方法擴充訓練數據，防止過擬合。實驗結果表明，改進后網絡的參數量減少了46%，識別精度提高了1%。

關鍵詞： 垃圾圖片分類算法殘差結構幻象模塊 ResNet18 數據增強

中圖分類號： TP391.4
文獻標識碼： 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。基于殘差結構和幻象模塊的垃圾圖片分類算法[J].信息技術與網絡安全，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，Fuzhou University，Fuzhou 350116，China；　　2.Fujian Science & Technology Innovation Laboratory for Optoelectronic Information of China，Fuzhou 350116，China；　　3.School of Advanced Manufacturing，Fuzhou 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

　　根據中國城鄉建設統計年鑒統計，我國城市生活垃圾的產生量由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，這對于可持續發展具有重大的意義。垃圾分類是回收的前提。目前，我國垃圾分類主要以人工分揀為主，存在勞動強度大、效率低等缺點。實現垃圾分揀的智能化與自動化具有重要的意義。垃圾圖片分類算法有助于實現垃圾分揀的智能化與自動化。

　　近年來，越來越多的專家學者對垃圾分類算法進行了研究與實踐。吳建等人使用傳統的計算機視覺方法，手動提取特征，識別實驗室廢物垃圾[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別算法[4]。向偉等人提出改進的CaffeNet網絡識別水面垃圾[5]。但是缺乏針對生活垃圾圖片分類算法的研究。目前，我國各城市全面推行垃圾分類制度，基本建立相應的法律法規和標準體系，將生活垃圾細分，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。針對我國垃圾分類現狀，收集制作了小型生活垃圾數據集，選取經典網絡ResNet18[6]作為基礎網絡，使用GhostNet[7]的幻象模塊代替殘差學習單元中的普通卷積，減少網絡的參數量，提出基于幻象殘差結構的垃圾圖片分類算法。

本文詳細內容請下載：http://m.viuna.cn/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.福州大學物理與信息工程學院，福建福州350116；2.中國福建光電信息科學與技術創新實驗室，福建福州350116；3.福州大學先進制造學院，福建泉州362200）

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容