| 基于卷积神经网络的生活垃圾图像分类模型设计 |
| |
| 引用本文： | 秦浩,王晓峰,喻骏,黄飞龙,文冠鑫,苏盈盈.基于卷积神经网络的生活垃圾图像分类模型设计[J].重庆科技学院学报(自然科学版),2021,23(3):99-103. |
| |
| 作者姓名： | 秦浩 王晓峰 喻骏 黄飞龙 文冠鑫 苏盈盈 |
| |
| 作者单位： | 重庆科技学院 电气工程学院,重庆 401331;重庆科技学院 数理与大数据学院,重庆 401331 |
| |
| 基金项目： | 重庆市基础研究以前沿探索专项“面向无害化垃圾焚烧发电的二噁英异常排放符合成因诊断方法”（CSTC2019JCYJ-MSXM0220),“非平行平面下融合表面微分几何复杂场景三维立体智能研究及应用”（CSTC2018JCYJAX0239)；重庆市技术创新与应用示范项目“深度学习框架下面氮氧化为减排的垃圾焚烧状态在线监控系统设计”（CSTC2018JSCX-MSYBX0023)；重庆科技学院硕士研究生创新计划项目“基于Faster R-CNN的智能精准垃圾分类系统设计”（YKJCX1920406) |
| |
| 摘 要： | 利用基于深度学习的VGG-16卷积神经网络模型,对涵盖4个大类243个小类生活垃圾的77656张图像进行分类检测识别.为了保证模型检测的准确性,先引入Retinex算法对图像进行增强处理,然后对分类交叉熵损失函数进行改进,加入L1正则化和L2正则化,构建新的损失函数.实验结果显示,使用原VGG-16网络模型对垃圾图像进行分类,准确率为94.43％,损失值为0.53;引入Retinex算法对图像进行增强处理后,准确率为95.56％,损失值为0.36;在损失函数中加入L1或者L2正则化后,分类准确率较原网络模型有较小幅度的提升;采用改进后的交叉熵损失函数之后,准确率达97.67％,损失值仅为0.18.
|
| 关 键 词： | 生活垃圾 图像分类识别 卷积神经网络 VGG-16 损失函数 |
Design of Domestic Waste Image Classification Model Based on Improved Convolutional Neural Network |
| |
| QIN Hao,WANG Xiaofeng,YU Jun,HUANG Feilong,WEN Guanxin,SU Yingying.Design of Domestic Waste Image Classification Model Based on Improved Convolutional Neural Network[J].Journal of Chongqing University of Science and Technology:Natural Science Edition,2021,23(3):99-103. |
| |
| Authors: | QIN Hao WANG Xiaofeng YU Jun HUANG Feilong WEN Guanxin SU Yingying |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《重庆科技学院学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《重庆科技学院学报(自然科学版)》下载全文 |
|
