基于轻量级残差网路的垃圾图片分类方法

摘要

近年来,我国生活垃圾总量每年以10％的速度增长.但是生活垃圾的分类处理能力及技术相对比较有限和落后.基于机器视觉的分类方法一直是广泛使用的方法,而传统的视觉分类网络目前面临着参数多、计算量大、分类精度不高和分类时间长的问题.因此,提出使用最大平均组合池化(Max-AVE Pooling)代替ResNet-50Bottleneck中的最大池化(Max Pooling)与平均池化(AVE Pooling);通过使用深度可分离卷积代替ResNet-50Bottleneck中的标准卷积的方法对垃圾图片进行分类.实验结果表明,该轻量级残差网路(MaxAVE-Pooling-MobileNet-18,MAPMobileNet-18)与经典分类网络相比能使参数量显著减少10倍,计算量显著减少14倍,又能略微提高精度,非常适合移动手机端、嵌入式设备的实施处理和应用.