基于轻量级神经网络的垃圾分类算法研究

作者：高霞; 洪惠群

来源：贵阳学院学报(自然科学版), 2023, 18(02): 45-54.

DOI：10.16856/j.cnki.52-1142/n.2023.02.013

• ShuffleNet算法
• 垃圾分类
• 轻量级
• 神经网络

垃圾分类利国利民，利用图像识别技术能帮助人们更好地进行垃圾分类。深度学习算法在图像识别方面表现不俗，但存在巨大的存储和计算开销，不便于移植到移动设备中等缺点。如何在计算资源有限的移动设备里部署深度学习模型，是移动端深度学习发展的技术瓶颈。通过搭建多个卷积神经网络在Imagenet大型数据库上进行预训练，然后利用迁移学习方法对预训练模型进行迁移，并在垃圾分类数据集上进行模型微调优化，使得模型能更为准确地应用于垃圾分类识别。通过对比不同神经网络模型得出结论，ShuffleNet轻量级神经网络在垃圾分类中模型大小和识别精度综合表现较好，接着对ShuffleNet V2的激活函数进行改进，将原有的ReLU函数改为LeakyReLU函数后，识别准确率上升了0.3%。研究结果表明改进后的ShuffleNet算法训练准确率可达97.49%,模型大小适中，训练结果可以满足日常使用。

• 单位
  阳光学院; 闽江师范高等专科学校