基于迁移学习的垃圾图像分类模型研究

摘要

传统的垃圾分类主要通过人工提取图像特征进行训练分类,过程复杂、特征提取不够均衡、分类效果不佳,已不能满足当前的垃圾分类需求.文章提出一种垃圾图像分类模型,为解决目标函数训练数据量不足的问题,先对图像进行预处理操作,对大规模数据集ImageNet上训练好的ResNet50进行迁移学习,修改全连接层,在华为提供的1万余张垃圾图像数据集上进行微调,优化网络.实验结果表明,按照当前垃圾分类标准划分为4类的前提下准确率可达92％左右,能够基本满足日常生活垃圾的分类需求.