检索结果-南通市图书馆

检索条件"主题词=多目标垃圾检测"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于卷积神经网络的生活垃圾检测与分类方法研究

基于卷积神经网络的生活垃圾检测与分类方法研究

引用

作者：董霄霄山东理工大学

学位级别：硕士

近年来生活垃圾的剧增已经对我们的生活产生了巨大影响,垃圾分类工作的推行势在必行。目前垃圾分类工作主要分为三阶段:分类投放、运输和处理。投放和处理阶段目前主要依靠人工,存在分类困难和效率低的问题。然而,目前的智能垃圾分类应... 详细信息

近年来生活垃圾的剧增已经对我们的生活产生了巨大影响,垃圾分类工作的推行势在必行。目前垃圾分类工作主要分为三阶段:分类投放、运输和处理。投放和处理阶段目前主要依靠人工,存在分类困难和效率低的问题。然而,目前的智能垃圾分类应用较少,国内缺乏在智能垃圾分类方面的研究。本文将深度学习技术与生活垃圾分类问题相结合,通过卷积神经网络实现对图像中垃圾的检测与分类,可以实现智能垃圾分类和智能垃圾分拣,辅助居民分类,解放劳动力。具体的研究内容包括:（1）构建单目标垃圾分类数据集（Domestic Garbage Classification Dataset,DCD）和多目标垃圾检测数据集（Domestic Garbage Dataset,DGD）,数据来源为华为云垃圾数据集、TACO数据集和网络爬虫。对爬取到的数据进行数据清洗筛选出高质量图片,并通过Label Img进行标注。同时为了保证数据的准确性,对现有数据集的标注信息进行检查,清理出漏标、错标的数据并重新标注,得到包含34319张图片的DGD数据集和24390张图片的DCD数据集。为了避免模型过拟合,对数据集进行了随机裁剪,水平、垂直翻转以及色彩抖动等数据增强操作,为本文研究提供了数据基础。（2）提出了一种基于改进Reg Net的垃圾分类算法NReg Net,用于单目标垃圾图像的分类。在该垃圾分类模型中,对Reg Net的网络结构进行优化,减少网络模型参数量。结合类别平衡损失函数,通过反向加权解决不同类别间数据分布差异大的问题。采用高分辨率的输入,以减弱特征提取阶段的背景干扰,提高对小物体的分类能力,同时采用数据增强操作提升网络模型的鲁棒性以及泛化性。在生活垃圾分类数据集DCD上进行实验分析,提出的NReg Net模型Top1-accuracy达到85.64%,比Reg Net提高了3.25%,且参数量仅为1.37M,约为Reg Net参数量的51.11%。（3）提出了一种基于改进YOLOv3的生活垃圾检测算法RB-YOLO,用于多目标垃圾图像的检测,即同时实现垃圾分类与定位。在该垃圾检测模型中,将YOLOv3与轻量级卷积神经网络Rep VGG相结合,解耦模型训练和推理,在保证特征提取能力的同时提高模型推理速度。采用加权双向特征金字塔网络Bi FPN优化原有的特征金字塔结构,通过双向特征融合充分利用多尺度语义特征。同时引入空洞空间金字塔池化ASPP增强特征提取,获取多尺度特征信息。最后,对数据进行数据增强操作。在提出的DGD数据集上进行实验分析,与YOLOv3模型相比,RB-YOLO模型在垃圾检测任务中精度提升了5.31%,速度提升了16FPS,参数量减少了41%,验证了RB-YOLO的有效性和鲁棒性。

关键词：卷积神经网络生活垃圾数据集单目标垃圾分类多目标垃圾检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：