基于改进Faster-RCNN的生活垃圾分类研究

• 全文链接
• 请求原文

作   者：

葛焰;  刘心中; 

作者机构：

福建理工大学; 

关键词：

K-means聚类;  深度学习;  快速的区域卷积神经网络(Faster-RCNN);  生活垃圾分类; 

期刊名称：

信息与电脑

i s s n：

1003-9767

年卷期：

2023 年 35 卷 008 期

页   码：

95-98

摘   要：

随着人口的增长,生活垃圾分类问题日益突出.文章提出了一种基于改进快速的区域卷积神经网络(Faster-Region Convolutional Neural Network,Faster-RCNN)的生活垃圾分类方法,将特征提取网络改为ResNet50网络,并在区域推荐网络(Region Proposal Network,RPN)中使用K-means聚类算法.结果表明,基于改进Faster-RCNN的网络模型的准确率达到94.5%,具有较高的准确率和较快的分类速度,可为解决生活垃圾分类提供一种有效的技术手段.