基于CBAM-EfficientNet的垃圾图像分类算法研究

摘要

针对垃圾分类数据集,本文采用基于Imagenet数据集的迁移参数初始化Efficient-net模型,与经典的VGG和ResNet50模型对比,得到了较高的泛化性能和准确率。为了降低源领域数据集的特征参数对于目标领域数据集特征参数产生负迁移的影响,本文加入了CBAM注意力机制增强重要特征并忽视无效特征,同时使用批归一化和随机失活模块加速网络的训练并减轻过拟合程度,从而得到高性能、高效率的CBAM-EfficientNet垃圾分类模型。实验结果表明,基于Efficient-net模型的垃圾分类的准确率高于经典的VGG和ResNet50模型5%以上,而本文所提出的CBAM-EfficientNet进一步提高了2.5%。