典型文献
基于GAICNet的垃圾识别分类检测网络
文献摘要：
随着社会经济的飞速发展和人们物质生活水平的不断提高,所产生垃圾的种类和数量也在大幅增加,为了有效提高垃圾资源的回收利用率和垃圾分类智能化水平,本文提出了基于GAICNet的智能垃圾识别分类检测网络.使用华为云人工智能大赛公开的数据集,对训练集使用LabelImage软件进行标注,然后为了扩大训练数据,强化网络模型对普通数据集的泛化能力,设计了一种具有普适性的非线性曲线映射图像增强方法.最终,构建了一个全局感知特征聚合模块与全新的核心自注意力机制的垃圾识别分类网络(Garbage identification and classificationNet,GAICNet).该轻量级网络是以ResNet18为骨干网络进行多层次的特征提取,实验显示该算法在现有复杂实际场景垃圾分类中的检测准确率(Accuracy)可达到97.3％,具有较高的实用价值和市场前景.
文献关键词：
垃圾分类;深度学习;核心自注意力;GAICNet
中图分类号：
作者姓名：
张涛
作者机构：
上海工程技术大学 机械与汽车工程学院,上海201620
文献出处：
引用格式：
[1]张涛-.基于GAICNet的垃圾识别分类检测网络)[J].智能计算机与应用,2022(04):47-53
A类：
GAICNet,LabelImage,核心自注意力,classificationNet
B类：
垃圾识别,识别分类,分类检测,测网,物质生活,回收利用,垃圾分类,智能化水平,华为云,训练集,训练数据,泛化能力,非线性曲线,图像增强,增强方法,感知特征,特征聚合,自注意力机制,分类网络,Garbage,identification,轻量级网络,ResNet18,骨干网络,检测准确率,Accuracy,市场前景
AB值：
0.312827
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。
