基于特征融合卷积神经网络的垃圾分类

摘要

为改善现阶段人工分拣垃圾的现象,该文提出了 一种基于特征融合的轻量级网络模型Inception-Residual,实现日常生活中4种生活垃圾的自动分类.首先,利用Inception模块进行特征提取,增强特征提取能力,有利于网络的深度和宽度的改善;然后增加Batch Nor-malization 层 来提高模型的训练速度和准确率;最后将输入与输出的特征做特征融合,形成残差模块,有效防止梯度爆炸.实验结果证明,该模型分类准确率达到了 97.67％,且识别速度快.通过与现有的传统模型InceptionV3和ResNet101进行实验对比,验证了模型的有效性,具有一定的使用价值.