文献类型：期刊文章

作　　者：秦浩[1] 王晓峰[2] 喻骏[1] 黄飞龙[1] 文冠鑫[1] 苏盈盈[1]

QIN Hao;WANG Xiaofeng;YU Jun;HUANG Feilong;WEN Guanxin;SU Yingying(College of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China;School of Mathematics&Physics and Big Data,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院电气工程学院,重庆401331 [2]重庆科技学院数理与大数据学院,重庆401331

出　　处：《重庆科技学院学报（自然科学版）》

基　　金：重庆市基础研究与前沿探索专项“面向无害化垃圾焚烧发电的二噁英异常排放复合成因诊断方法”(CSTC2019JCYJ-MSXM0220);“非平行平面下融合表面微分几何的复杂场景三维立体智能研究及应用”(CSTC2018JCYJAX0239);重庆市技术创新与应用示范项目“深度学习框架下面向氮氧化物减排的垃圾焚烧状态在线监控系统设计”(CSTC2018JSCX-MSYBX0023);重庆科技学院硕士研究生创新计划项目“基于Faster R-CNN的智能精准垃圾分类系统设计”(YKJCX1920406)。

年　　份：2021

卷　　号：23

期　　号：3

起止页码：99-103

语　　种：中文

收录情况：CAS、普通刊

摘　　要：利用基于深度学习的VGG-16卷积神经网络模型,对涵盖4个大类243个小类生活垃圾的77656张图像进行分类检测识别。为了保证模型检测的准确性,先引入Retinex算法对图像进行增强处理,然后对分类交叉熵损失函数进行改进,加入L_(1)正则化和L_(2)正则化,构建新的损失函数。实验结果显示,使用原VGG-16网络模型对垃圾图像进行分类,准确率为94.43%,损失值为0.53;引入Retinex算法对图像进行增强处理后,准确率为95.56%,损失值为0.36;在损失函数中加入L_(1)或者L_(2)正则化后,分类准确率较原网络模型有较小幅度的提升;采用改进后的交叉熵损失函数之后,准确率达97.67%,损失值仅为0.18。

关 键 词：生活垃圾 图像分类识别  卷积神经网络 VGG-16  损失函数

分 类 号：TP391.4]