摘要：为提高垃圾图像分类准确率,本文提出了基于空间注意力的ResNet50网络模型,并对算法进行改进,然后对垃圾图片数据集进行训练,并对数据集进行测试。采用了改进后的ResNet-att模型的垃圾分类系统成本低、效率高,为垃圾图像分类研究奠定基础、为垃圾分类系统提供图像分类识别的支持。一、背景介绍随着人们对环保的重视,国家对垃圾分类的要求也逐渐明确。为了可以更好地推行和科普垃圾分类,可以结合人工智能技术、物联网技术设计智能垃圾桶等方式来辅助居民进行垃圾分类。其中利用AI技术来实现自动判断垃圾图像分类也是研究热点。在垃圾图像分类算法研究上,通过用户来完成意见反馈从而实现长效生活垃圾分类,采用的方法是能自我训练的集成分类器,该分类器采用了K临近和支持向量机算法;采用迁移学习法,提出了训练速度更快和精准度更高的自动垃圾分类方法,该方法采用了对传统的卷积神经算法进行调整,主要调整了后三层结构;用支持向量机方法对建筑垃圾分类进行了研究。