基于深度残差收缩网络的校园垃圾图像分类

针对现实生活中垃圾分类知识普及不够，许多城市和学校都面临着垃圾分类困难的问题，利用神经网络对分类问题的高效性和准确性，通过一种基于ResNet网络和SENet网络的深度残差收缩网络实现垃圾图像分类。通过对Garbage数据集进行筛选得到实验所需数据集，并对ResNet进行改进，将SENet和软阈值化操作加入ResNet结构中。实验结果表明，该方法通过网络训练和超参数调整，得到了较好的识别率，在校园垃圾分类中获得了较好的识别效果，具有一定可行性。