基于改进MobileNet v2的垃圾图像分类算法

作     者：陈智超 焦海宁 杨杰 曾华福 CHEN Zhi-chao;JIAO Hai-ning;YANG Jie;ZENG Hua-fu

作者机构：江西理工大学电气工程与自动化学院江西赣州341000 江西省磁悬浮技术重点实验室江西赣州341000 

基　　金：国家自然科学基金资助项目(61763016) 江西省03专项及5G资助项目(20204ABC03A15) 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2021年第55卷第8期

页      码：1490-1499页

摘      要：针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络.通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度.实验结果表明,算法在自建数据集上的平均准确率为94.6%,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升.

主 题 词：垃圾图像分类 MobileNet v2 注意力机制 多尺度特征融合 迁移学习 

学科分类：0810[工学-土木类] 081203[081203] 08[工学] 0805[工学-能源动力学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2021.08.010

馆 藏 号：203104769...