改进残差网络的轻量级塑料垃圾分类研究

摘要：

针对当前日益严重的塑料污染问题,开展塑料垃圾分类与回收迫在眉睫,采用更精细的垃圾分类方法,使得塑料垃圾回收利用的比率将会越来越高,也能从源头上杜绝塑料污染.目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型占用内存大等问题.改进残差网络结构,提出一种双通道轻量级网络(DCLNet-18)对塑料垃圾进行分类.首先使用深度可分离卷积替换标准卷积,减少网络的参数量和计算量;然后在网络的每个BasicBlock后串联双通道注意力机制,增强网络的特征提取能力;最后与AlexNet、VGG、ResNet等系列网络对比.实验结果表明,相比ResNet18网络,DCLNet-18网络的训练时间缩短12.5％,准确率提高2.8％,因此更适合移动端、嵌入式设备应用,为塑料垃圾分类网络轻量化提供了新的思路.

关键词：塑料垃圾、残差网络、垃圾分类、深度学习、轻量级网络、深度可分离卷积、双通道注意力机制

所属期刊栏目：45

分类号：TN911.73-34

资助基金：新疆维吾尔自治区自然科学基金资助项目2019D01C079

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：95-99