典型文献
基于深度学习的垃圾识别分类系统研发
文献摘要：
基于卷积神经网络搭建ResNet(Deep Residual Network,深度残差网络,简称ResNet)50模型,利用ImageNet大型可视化数据集进行预训练,采用数据增强、Dropout(暂退法)、Adam(自适应运动估计算法,Adaptive momentum,简称Adam)和早停机制等关键技术,对用户交互Web界面进行设计,开发了基于深度学习的垃圾分类系统.该网络模型利用TensorFlow的Keras完成逐层构建和参数的精细化调节,基于华为云人工智能大赛数据集进行训练和测试,与VGG(Visual Geometry Group,简称VGG)16网络模型对比测试结果表明,测试准确率达90.8％,能够有效地进行垃圾种类识别,具有较好的实用性和可扩展性.
文献关键词：
深度学习;预训练;垃圾分类;数据增强
中图分类号：
作者姓名：
王科;林志华;刘丰俭
作者机构：
江苏工程职业技术学院,南通 226007
文献出处：
引用格式：
[1]王科;林志华;刘丰俭-.基于深度学习的垃圾识别分类系统研发)[J].江苏工程职业技术学院学报,2022(02):16-20
A类：
B类：
垃圾识别,识别分类,系统研发,ResNet,Deep,Residual,Network,深度残差网络,ImageNet,可视化数据,预训练,数据增强,Dropout,Adam,自适应运动,运动估计,估计算法,Adaptive,momentum,早停,停机,用户交互,垃圾分类系统,TensorFlow,Keras,逐层,精细化调节,华为云,VGG,Visual,Geometry,Group,模型对比,对比测试,种类识别,可扩展性
AB值：
0.547775
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。
