面向垃圾图像分类的残差语义强化网络 |
| |
引用本文: | 苏雯,徐鑫林,胡宇超,黄博涵,周佩廷.面向垃圾图像分类的残差语义强化网络[J].吉林大学学报(信息科学版),2023(6):1030-1040. |
| |
作者姓名: | 苏雯 徐鑫林 胡宇超 黄博涵 周佩廷 |
| |
作者单位: | 浙江理工大学信息科学与工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(62006209); |
| |
摘 要: | 为更好地保护生态环境并提高可回收垃圾的经济价值,针对现有的垃圾识别方法面临的分类背景复杂、垃圾目标形态变化多样等问题,提出一种面向垃圾图像分类的残差语义强化网络,能从复杂背景中剥离前景语义目标。该网络以骨干残差网络为基础,利用视觉概念采样、推理以及调制模块实现视觉语义的提取,并通过注意力模块消除语义层次和空间分辨率与视觉概念特征的差距,从而对垃圾目标形态变化更加具有鲁棒性。通过在Kaggle开源的12分类垃圾数据集及TrashNet数据集上进行实验,结果表明,相较于骨干网络ResNeXt-50和其他深层网络,该算法均取得了性能的提升,在垃圾图像分类任务上有较好表现。
|
关 键 词: | 模式识别与智能系统 垃圾分类 视觉概念 视觉采样 概念推理 注意力机制 |
|
|