基于迁移学习的垃圾图像分类应用

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/jsjxt.v3i2.46800

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

全文直达

引用

打印

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

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2021,3(2)