典型文献
基于多模型决策融合的可回收垃圾分类方法
文献摘要：
为解决现存可回收垃圾分类方法较为低效,垃圾不能及时处理的问题,本文提出了 一种基于多模型决策融合网络并实现了准确的垃圾分类.构建的决策融合网络以垃圾图像作为输入,选取经典神经网络Googlenet、VGG19_BN、Resnet18分别作为3个决策模型,融合3个决策模型的决策分类结果作为最终分类结果,实现更为可靠、精确的可回收垃圾分类.模型的训练还加入了迁移学习与学习率衰减的技巧.经过数据集验证,与其他可回收垃圾分类深度学习方法相比所提出的方法实现了更高的可回收垃圾分类准确率,其在数据集上的测试准确率达到97.67％,同时与单模型决策网络的比较结果验证了本文所提多模型决策融合方法的有效性.
文献关键词：
可回收垃圾分类;决策模型;迁移学习;学习率衰减;决策融合
中图分类号：
作者姓名：
张露;理华;崔杰;王晓东;肖灵
作者机构：
中国科学院声学研究所 超声学实验室 北京100190;中国科学院大学 电子电气与通信工程学院 北京 100049
文献出处：
引用格式：
[1]张露;理华;崔杰;王晓东;肖灵-.基于多模型决策融合的可回收垃圾分类方法)[J].网络新媒体技术,2022(06):48-56
A类：
可回收垃圾分类,Googlenet
B类：
多模型,模型决策,决策融合,分类方法,及时处理,融合网络,取经,VGG19,BN,Resnet18,决策模型,迁移学习,学习率衰减,数据集验证,深度学习方法,分类准确率,单模,融合方法
AB值：
0.186693
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。
