基于GINet的垃圾分类检测网络

摘要

为了更好地服务于城市垃圾分类,提高垃圾分类前端收集的工作效率,本文提出了一种基于GINet的智能分类垃圾网络。首先在Kaggle数据集和华为垃圾分类公开数据集的基础上进行了人工标注,并建立了垃圾分类的训练数据集。其次,为了提高模型的泛化能力,扩充训练样本,设计了一种具有针对性的多背景图像增强方法。最后,为了解决垃圾分类数据集中某些同类垃圾之间的尺寸、颜色差异巨大,以VGG-16为主干特征提取网络,构建了一个融合多特征提取与注意力机制的垃圾识别网络(Garbage Identification Net,GINet)。仿真实验表明,该算法在复杂环境下拥有良好的鲁棒性和稳定性,检测准确率可达到94.5%,很好地满足了工业场景下垃圾检测的准确性。