基于迁移学习的可回收垃圾识别分类研究

摘要

cqvip:经济高速的发展,导致垃圾产量急速增大,如何通过智能方法实现垃圾分类成为人类生存环境可持续发展的关键因素。本文提出一种针对图像数据集训练的ResNet152模型实现迁移学习。从华为垃圾分类挑战赛数据集中进行筛选形成新数据集,该数据集通过随机旋转、随机平移等预处理后形成。将图像数据集的80%作为训练集,另外20%作为测试集。基于ResNet152预训练模型进行迁移学习,以此形成适合本次实验数据集的ResNet152模型。实验结果表明:在经过迁移学习后的ResNet152模型中训练,不仅提高了训练速度,而且准确率高达85%。