典型文献
改进残差网络的轻量级塑料垃圾分类研究
文献摘要：
针对当前日益严重的塑料污染问题,开展塑料垃圾分类与回收迫在眉睫,采用更精细的垃圾分类方法,使得塑料垃圾回收利用的比率将会越来越高,也能从源头上杜绝塑料污染.目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型占用内存大等问题.改进残差网络结构,提出一种双通道轻量级网络(DCLNet-18)对塑料垃圾进行分类.首先使用深度可分离卷积替换标准卷积,减少网络的参数量和计算量;然后在网络的每个BasicBlock后串联双通道注意力机制,增强网络的特征提取能力;最后与AlexNet、VGG、ResNet等系列网络对比.实验结果表明,相比ResNet18网络,DCLNet-18网络的训练时间缩短12.5％,准确率提高2.8％,因此更适合移动端、嵌入式设备应用,为塑料垃圾分类网络轻量化提供了新的思路.
文献关键词：
塑料垃圾;残差网络;垃圾分类;深度学习;轻量级网络;深度可分离卷积;双通道注意力机制
中图分类号：
作者姓名：
徐明明;高丙朋;黄家興
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830047
文献出处：
引用格式：
[1]徐明明;高丙朋;黄家興-.改进残差网络的轻量级塑料垃圾分类研究)[J].现代电子技术,2022(17):95-99
A类：
DCLNet,BasicBlock
B类：
塑料垃圾,垃圾分类,分类研究,前日,日益严重,塑料污染,分类方法,垃圾回收,回收利用,头上,杜绝,分类网络,识别准确率,残差网络结构,轻量级网络,使用深度,深度可分离卷积,标准卷积,参数量,计算量,双通道注意力机制,特征提取能力,AlexNet,VGG,网络对比,ResNet18,训练时间,移动端,嵌入式设备,设备应用,网络轻量化
AB值：
0.268972
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。
