基于注意力模块的轻量化垃圾分类算法

摘要

妥善处理垃圾分类问题是改善生活的重要举措,垃圾分类也成了当今社会的热点问题。针对人工手动垃圾分类效率低、传统的垃圾分类算法效果差以及模型参数量大的问题,提出一种基于MobileNetV3网络模型改进的轻量化垃圾分类算法,在原有网络模型的基础上,加入CBAM注意力模块提高垃圾分类的准确率,并在自制的245种类别的垃圾分类数据集上进行实验验证,解决了由于数据集种类少无法满足实际基础生活垃圾分类种类多的问题。实验结果表明,改进算法在垃圾分类准确率上达到了76.57%,相比原网络提升了3.26%,优于ResNet-50以及MobileNetV2算法,模型大小仅为19.10 MB,与原网络相比只高了1.70 MB,与ResNet-50算法相比小了72.70 MB,更具有实际应用价值。