典型文献
基于Densenet密集网络的垃圾分类算法的设计与实现
文献摘要：
目前垃圾分类主要依靠人工分类,在大数据平台深度学习图像分类已日益成熟,本文探索深度学习在垃圾分类识别中的应用.本文首先利用Tensorflow搭建深度学习的框架;其次以AI Studio上11000张、26个类别的生活垃圾图像作为数据;再次利用训练数据对Densenet密集型网络进行学习训练;最后测试得到网络的识别率为90％.
文献关键词：
垃圾分类;PyTorch;Resnet50;残差网络
中图分类号：
作者姓名：
周诗禹;王旭;刘霁;钟丽辉
作者机构：
西南林业大学计算机与信息学院,云南昆明650224
文献出处：
引用格式：
[1]周诗禹;王旭;刘霁;钟丽辉-.基于Densenet密集网络的垃圾分类算法的设计与实现)[J].电脑知识与技术,2022(24):101-102
A类：
生活垃圾图像
B类：
Densenet,密集网络,垃圾分类,分类算法,工分,大数据平台,图像分类,分类识别,Tensorflow,Studio,训练数据,密集型网络,学习训练,后测,试得,识别率,PyTorch,Resnet50,残差网络
AB值：
0.467758
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
