摘要
垃圾分类是构建绿色城市的重要途径。传统的垃圾分类是由人工进行,分类不彻底,工作强度大,不利于环境保护与资源再利用。为提高垃圾分类的准确性,提出了一种基于VGG16网络的轻量化网络模型LW-GCNet (light weight garbage classify network)。该网络模型通过引入深度可分离卷积和SE(squeeze-and-excitation)模块来进行特征提取,并将垃圾图像的浅层和深层特征有机融合,在减少计算量的同时,增强了待分类垃圾图像通道之间的依赖关系,为分类提供多层次的语义信息。此外,LW-GCNet模型采用自适应最大池化和全局平均池化取代VGG16网络中的全连接层,有效降低了参数量。利用由4类垃圾图像构成的数据集GRAB125对LW-GCNet性能进行验证。实验结果表明:该方法在保证识别速度的前提下,识别平均准确率达到77.17%,参数量为3.15M,易于在户外的嵌入式系统中进行部署。
- 单位