《电子技术应用》
您所在的位置：首页 > 其他 > 设计应用 > 基于残差结构和幻象模块的垃圾图片分类算法
基于残差结构和幻象模块的垃圾图片分类算法
信息技术与网络安全
郑佑顺1，2，林珊玲2，3，林志贤1，2，周雄图1，2，郭太良1，2
（1.福州大学 物理与信息工程学院，福建 福州350116； 　　2.中国福建光电信息科学与技术创新实验室，福建 福州350116； 　　3.福州大学 先进制造学院，福建 泉州362200）
摘要： 垃圾图片分类算法对于垃圾分拣的智能化和自动化具有重要的意义，针对我国垃圾分类现状，收集制作了小型生活垃圾数据集，提出基于残差结构和幻象模块的垃圾图片分类算法。使用幻象模块代替ResNet18的普通卷积，在不降低网络性能的同时减少了网络的参数量。采用数据增强方法扩充训练数据，防止过拟合。实验结果表明，改进后网络的参数量减少了46%，识别精度提高了1%。
中图分类号： TP391.4
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2021.01.009
引用格式： 郑佑顺，林珊玲，林志贤，等。 基于残差结构和幻象模块的垃圾图片分类算法[J].信息技术与网络安全，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

　　根据中国城乡建设统计年鉴统计，我国城市生活垃圾的产生量由1979年的0.25亿吨增至2018年的2.28亿吨[1]。随着人民生活水平的提高，垃圾产生量仍在上升。有效回收生活垃圾成为急需解决的问题，这对于可持续发展具有重大的意义。垃圾分类是回收的前提。目前，我国垃圾分类主要以人工分拣为主，存在劳动强度大、效率低等缺点。实现垃圾分拣的智能化与自动化具有重要的意义。垃圾图片分类算法有助于实现垃圾分拣的智能化与自动化。

　　近年来，越来越多的专家学者对垃圾分类算法进行了研究与实践。吴建等人使用传统的计算机视觉方法，手动提取特征，识别实验室废物垃圾[2]。黄惠玲等人提出基于HSV的阈值分割算法和K均值聚类算法识别建筑垃圾图像[3]。黄兴华等人提出基于纹理特征融合的道路垃圾图像识别算法[4]。向伟等人提出改进的CaffeNet网络识别水面垃圾[5]。但是缺乏针对生活垃圾图片分类算法的研究。目前，我国各城市全面推行垃圾分类制度，基本建立相应的法律法规和标准体系，将生活垃圾细分，大致可分为可回收垃圾、有害垃圾、厨余垃圾和其他垃圾四大类。针对我国垃圾分类现状，收集制作了小型生活垃圾数据集，选取经典网络ResNet18[6]作为基础网络，使用GhostNet[7]的幻象模块代替残差学习单元中的普通卷积，减少网络的参数量，提出基于幻象残差结构的垃圾图片分类算法。






本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003317





作者信息：

郑佑顺1，2，林珊玲2，3，林志贤1，2，周雄图1，2，郭太良1，2

（1.福州大学 物理与信息工程学院，福建 福州350116；2.中国福建光电信息科学与技术创新实验室，福建 福州350116；3.福州大学 先进制造学院，福建 泉州362200）


此内容为AET网站原创，未经授权禁止转载。

相关内容