摘要

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。