基于改进的ResNet-att模型的垃圾图像分类系统  

作　　者：李小红[1] 屈敬岩 沈金梦 

机构地区：[1]天津天狮学院信息科学与工程学院

出　　处：《计算机产品与流通》2024年第1期123-125,共3页COMPUTER PRODUCTS AND CIRCULATION

基　　金：天津天狮学院自然科学项目“垃圾分类科普智能教具研究”(项目编号:K22010);教育部产学合作协同育人项目“一流专业建设背景下计科专业专创教育融合实践研究”(项目编号:202102459029);全国高等院校计算机基础教育研究会课题“基于OBE-CDIO理念的《Java程序设计》教学创新实践”(项目编号:2022-AFCEC-511)。

摘　　要：为提高垃圾图像分类准确率,本文提出了基于空间注意力的ResNet50网络模型,并对算法进行改进,然后对垃圾图片数据集进行训练,并对数据集进行测试。采用了改进后的ResNet-att模型的垃圾分类系统成本低、效率高,为垃圾图像分类研究奠定基础、为垃圾分类系统提供图像分类识别的支持。一、背景介绍随着人们对环保的重视,国家对垃圾分类的要求也逐渐明确。为了可以更好地推行和科普垃圾分类,可以结合人工智能技术、物联网技术设计智能垃圾桶等方式来辅助居民进行垃圾分类。其中利用AI技术来实现自动判断垃圾图像分类也是研究热点。在垃圾图像分类算法研究上,通过用户来完成意见反馈从而实现长效生活垃圾分类,采用的方法是能自我训练的集成分类器,该分类器采用了K临近和支持向量机算法;采用迁移学习法,提出了训练速度更快和精准度更高的自动垃圾分类方法,该方法采用了对传统的卷积神经算法进行调整,主要调整了后三层结构;用支持向量机方法对建筑垃圾分类进行了研究。

关 键 词：集成分类器 人工智能技术 分类准确率 迁移学习 图像分类 垃圾分类 AI技术 支持向量机算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]