基于卷积神经网络的垃圾图像分类模型研究应用

摘要

传统的垃圾分类方法往往借助于传感器完成垃圾识别分类,存在分类的准确率不高、模型复杂、缺乏高效操作性等问题。为解决这一问题,提出结合卷积神经网络的垃圾分类方法。使用具有高效特征提取性能的Inception-V3和ResNet50两种卷积神经网络对华为公开垃圾数据集Garbage Date进行训练,建立垃圾分类模型。实验表明,在训练集上的Inception-V3和ResNet50训练的准确率分别为89.9%和95.1%,交叉熵损失函数分别为1.463和1.363。使用可视化界面验证测试集中随机6类单张图片,ResNet50的准确率均高于Inception-V3。但ResNet50却不及Inception-V3稳定,Inception-V3准确率曲线更平滑。Inception-V3的收敛速度也比ResNet50快,消耗资源更少。