针对现有垃圾图像分类效率低和准确度不高等问题，提出了一种基于注意力机制的垃圾图像分类方法。首先，构建了垃圾图像数据集并进行了数据增强处理；其次，将注意力机制ECANet与残差网络ResNet101相结合，提出一种新的网络模型ResNet-ECA，用于提高对垃圾图像特征的细节提取能力；最后通过实验证明了融合ECANet的有效性。实验结果表明，文中所提出的ResNet-ECA模型相较于ResNet101模型，可以有效地提高垃圾图像的分类准确率，准确率的提升幅度在5.6%左右。
科研之友
微信
新浪微博
Facebook
分享链接
