基于深度学习的垃圾图片处理与识别
针对城市环境卫生提出的对市民生活垃圾进行分类回收的要求,考虑计算机卷积神经网络在图片分类中的强大表现,提出了基于深度学习中卷积神经网络对垃圾图片处理以及输出识别的新模型与方法.针对目前图像局部特征表达存在的复杂性,模糊性等不足,采用特征多层池化以及系统神经网络学习的方式进行优化.同时在ResNet101模型的基础上设计并构建了基于CNN(Convolutional Neural Network)算法的新模型框架,此系统模型也能实现端与端的实时识别.新模型提高了对训练样本图像信息提取的精确度以及图片识别的准确率,实验表明识别准确率平均提高了10%.为未来实现人工智能垃圾分类提供图像识别模型基础.
卷积神经网络、多层池化、垃圾分类、图像识别、实时识别
17
TP183(自动化基础理论)
国家自然科学基金面上项目61771003
2021-04-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
20-24