基于Densenet密集网络的垃圾分类算法的设计与实现
目前垃圾分类主要依靠人工分类,在大数据平台深度学习图像分类已日益成熟,本文探索深度学习在垃圾分类识别中的应用.本文首先利用Tensorflow搭建深度学习的框架;其次以AI Studio上11000张、26个类别的生活垃圾图像作为数据;再次利用训练数据对Densenet密集型网络进行学习训练;最后测试得到网络的识别率为90%.
垃圾分类、PyTorch、Resnet50、残差网络
18
TP18(自动化基础理论)
云南省大学生创新创业训练计划项目202010677068;TensorFlow
2022-09-26(万方平台首次上网日期,不代表论文的发表时间)
共2页
101-102