基于深度學習的垃圾圖像分類模型的研究

洪樹亮，巴麗合亞·卡里布汗，程麗娟

（新疆工程學院，新疆 烏魯木齊 830023）

0 引言

為將垃圾分類真正落實到每個人身上，積極引導市民參與垃圾分類，提升居民的垃圾分類意識，同時將加強社區定時定點的督導工作，引導社區居民進行準確的垃圾分類，增強人們垃圾分類意識的同時更需要提升垃圾分類的技術。傳統的目標檢測主要以人工特征檢測算法為主，通常用滑動窗口的方式，即一個窗口，在檢測圖片上滑動進行依次選取感興趣區域，分別對滑動的每個窗口進行特征提取，比如SIFT，HOG等特征提取算法進行提取特征，之后對提取的特征利用機器學習算法，比如支持向量機等進行分類，最終得到該窗口是否包含某一類物體。

1 相關工作

隨著卷積神經網絡(CNN)在2012年的興起，目標檢測開始了在深度學習下進行分類識別。在深度學習下，目標檢測的效果比傳統手工特征效果更加突出。目前，基于深度學習的檢測算法依然是目標檢測的主流。

深度學習目標檢測的框架主要分為兩類：兩階段（Two Stages）算法和單階段（One Stage）。兩階段（Two Stages）目標檢測算法首先由算法生成一系列作為樣本的候選框，再通過卷積神經網絡進行樣本分類，常見的算法有R-CNN、Fast R-CNN、Faster R-CNN等。單階段（One Stage）不需要產生候選框，直接將目標框定位的問題轉化為回歸問題處理，無需候選區域（Region Proposal），常見的算法有YOLO、SSD等。

R-CNN[1]是目標檢測的開山之作，首先由Selective Search圖像聚類算法生成大約2000個區域候選框（Region Proposal），將生成的每個區域候選框（Region Proposal）分別送入到CNN進行特征提取，接著送入全連接網絡，最后使用SVM線性分類器進行分類，檢測準確率較傳統的目標檢測提高了很多，但檢測運行時間比較慢。

Fast R-CNN[2]是在R-CNN基礎上進行改進，將生成的候選區域（Region Proposal）整體送入CNN，同樣使用SVM線性分類器進行分類，檢測速度較R-CNN有明顯提升。

Faster R-CNN[3]是在Fast R-CNN基礎上進行改進，將R-CNN和Fast R-CNN生成候選區域（Region Proposal）的Selective Search圖像聚類算法用RPN網絡替代，最大的優勢在于共用Faster R-CNN的Backbone，在準確率和檢測速度較Fast R-CNN有較大提升。

YOLOv3[4]算法也借鑒了Faster R-CNN算法的思想，檢測準確率比Faster R-CNN要低，但在檢測速度上較Faster R-CNN更勝一籌。

對于上述兩種方式，基于候選區域（Region Proposal）的方法在檢測準確率和定位精度上占優，基于端到端（End-to-End）的算法速度占優。本文基于深度學習的垃圾圖像分類，涉及到檢測準確率、定位精度、算法速度以及小樣本目標檢測，實驗結果驗證，采用改進YOLOv3深度學習架構垃圾圖像分類模型的效果最優。

2 YOLOv3算法原理

本文YOLOv3使用的基礎網絡是Darknet-53，Darknet-53深度學習框架有著非常好的圖像識別的效果[5]，網絡結構如圖1。

YOLOv3算法的基本思想，一般使用416×416大小的圖片作為輸入，首先進行特征提取生成固定大小的特征圖，主干網絡使用Darknet-53結構，最后得到特征圖大小為13×13、26×26、52×52，YOLOv3的網絡結構圖如圖2[5]。

圖1中的DBL是YOLOv3的基本組件，Darknet53的卷積層后接Batch Normalization（BN）和Leaky ReLU。除最后一層卷積層外，在YOLOv3中BN和Leaky ReLU共同構成了最小組件。

圖1 Darknet-53網絡結構

圖2 YOLOv3網絡結構圖

主干網絡中使用了5個resn結構，n代表數字，有res1，res2, ，res8等等，表示這個res_block里含有n個res_unit，這是YOLOv3的大組件。從YOLOv3開始借鑒了ResNet的殘差結構，使用這種結構可以讓網絡結構更深。

輸入圖像分成13×13的grid cell，接著如果真實框中某個object的中心坐標落在某個grid cell中，那么就由該grid cell來預測該object。每個object有固定數量的bounding box，YOLOv3中有三個bounding box，使用邏輯回歸確定用來預測的回歸框。

邊框回歸主要是解決目標框和錨框之間的相對位置關系，通過邊框回歸使得錨框更接近目標框，提高目標檢測的準確度，邊框回歸如圖3[5]。

圖3 邊框回歸圖

邊框回歸公示如下所示：

3 數據集訓練

人工智能快速發展，相關的框架、算法等層出不窮，要檢驗一個算法的好壞，就需要用有關的數據集進行實驗，目前一些AI領域公開的數據集，如COCO，ImageNet等數據集，用戶可以在AI算法項目中直接使用，使用訓練好的模型測試自己的數據集，同樣地，用戶可以建立自己的數據集在AI算法上訓練和測試[6]。

建立數據集：

第一步，準備圖片。本文主要以生活垃圾分類為主，先從網上下載生活垃圾圖片，每個種類下載200張左右即可，保存在YOLOv3相應的目錄下。第二步，用Labellmg標注圖片，標注文件為.txt格式，與圖片同名。第三步，制作訓練數據和測試數據集文件。用下面的Python腳本文件制作訓練數據集文件“train.txt”和測試數據集文件“test.txt”。第四步，創建類別名文件，文件夾的每一行是一個對象的名稱。第五步，數據集配置文件。第六步，模型配置。第七步，下載Darknet源碼。第八步，啟動YOLOv3模型訓練。第九步，測試訓練模型。

4 實驗結果

本文垃圾圖像分類YOLOv3算法在深度學習中的tensorflow2.0和Open CV平臺。本實驗首先使用COCO數據集訓練的模型進行測試，COCO數據集主要是針對目標檢測所創建的數據庫，類別比較豐富，可以用COCO數據集訓練的參數對自己建立的數據集進行測試[7]。其次使用自己創建的數據集在改進YOLOv3進行訓練和測試，利用改進YOLOv3算法精度要高。通過實驗驗證了改進YOLOv3用于垃圾圖像目標檢測的可行性和高效性，但存在數據較少、目標標注引入干擾背景的問題, 后續的工作可以針對數據集進行優化擴展。

5 結語

隨著視覺大數據的出現，單階段的YOLOv3深度學習算法的準確率相比兩階段Faster R-CNN深度學習算法要低，但是在檢測快速性上YOLOv3更勝一籌，本文提出了使用YOLOv3算法進行垃圾圖片的識別和分類，系統使用自己建立數據集，用于對象檢測的模式預測和訓練算法。