文档名：基于深度残差收缩网络的校园垃圾图像分类
摘要：针对现实生活中垃圾分类知识普及不够,许多城市和学校都面临着垃圾分类困难的问题,利用神经网络对分类问题的高效性和准确性,通过一种基于ResNet网络和SENet网络的深度残差收缩网络实现垃圾图像分类.通过对Garbage数据集进行筛选得到实验所需数据集,并对ResNet进行改进,将SENet和软阈值化操作加入ResNet结构中.实验结果表明,该方法通过网络训练和超参数调整,得到了较好的识别率,在校园垃圾分类中获得了较好的识别效果,具有一定可行性.
作者：王玉 张燕红 周昱洲 林鸿斌 Author：WANGYu ZHANGYanhong ZHOUYuzhou LINHongbin
作者单位：吉林大学计算机科学与技术学院,长春130012吉林大学软件学院,长春130012
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(1)
分类号：TP391
关键词：深度学习 残差网络 注意力机制 图像分类
机标分类号：TP391.41TP274X705
在线出版日期：2023年4月6日
基金项目：吉林大学创新实验基金资助项目基于深度残差收缩网络的校园垃圾图像分类[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(1)王玉 张燕红 周昱洲 林鸿斌针对现实生活中垃圾分类知识普及不够,许多城市和学校都面临着垃圾分类困难的问题,利用神经网络对分类问题的高效性和准确性,通过一种基于ResNet网络和SENet网络的深度残差收缩网络实现垃圾图像分类.通过对Garbage数据集...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度残差收缩网络的校园垃圾图像分类 Garbage Image Classification of Campus Based on Deep Residual Shrinkage Network
基于深度残差收缩网络的校园垃圾图像分类.pdf
- 文件大小:
- 4.77 MB
- 下载次数:
- 60
-
高速下载
|
