基于Densenet密集網(wǎng)絡(luò)的垃圾分類算法的設(shè)計與實現(xiàn)

打開文本圖片集

摘要：目前垃圾分類主要依靠人工分類，在大數(shù)據(jù)平臺深度學(xué)習(xí)圖像分類已日益成熟，本文探索深度學(xué)習(xí)在垃圾分類識別中的應(yīng)用。本文首先利用Tensorflow搭建深度學(xué)習(xí)的框架;其次以AI Studio上11000張、26個類別的生活垃圾圖像作為數(shù)據(jù);再次利用訓(xùn)練數(shù)據(jù)對Densenet密集型網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練;最后測試得到網(wǎng)絡(luò)的識別率為90%。（剩余2819字）