基于迁移学习和模型融合的垃圾分类图像识别

垃圾是一种未被充分利用的资源，垃圾分类是充分利用这些资源的有效途径之一。为了实现垃圾分类的自动化，一些深度学习模型被用于垃圾图像识别。本文提出了一种基于迁移学习和模型融合的垃圾图像识别模型垃圾分类网(GCNet)。在提取垃圾图像特征后，分别结合EficientNetv2、Vision Transformer和DenseNet构建GCNet的神经网络模型。数据扩充用于扩展数据集，新数据集中包含 41,650 张垃圾图像。通过实验与其他模型相比，结果表明所提模型收敛性好，召回率和准确率高，识别时间短。