基于顯著性檢測和EfficientNet 的垃圾分類算法研究*

王 芳 劉小虎 羅藝闖

（1.西安培華學院 西安 710021）（2.美林數據技術股份有限公司 西安 710000）

1 引言

隨著我國經濟的發展和城市化進程的加速，生活垃圾對城市環境的威脅日益增加。因此，如何高效、環保地解決處理生活垃圾迫在眉睫。然而，對垃圾分類的知識普及以及工作落實一直以來都是一個難題，目前垃圾分類主要以人工分揀為主，存在勞動強度大、效率低等缺點。因此，結合大數據、人工智能和計算機視覺等技術實現垃圾的智慧分揀成為研究的重點內容。

傳統的圖像分類算法［2］，通常包含特征提取、特征編碼和分類器三個部分，整個過程需要大量的人工參與，且無法有效利用現有硬件及技術。隨著深度學習技術的發展，涌現了大量基于卷積神經網絡［3］的分類模型。文獻［4］提出一種基于ResNet50和SVM 的分類系統，該系統采用ResNet50 進行特征提取，然后采用SVM 對所提取到的特征進行分類；文獻［5］提出基于ResNet 和Inceptionv4［6］的垃圾自動分類DSCR 網絡，該網絡構建了一個IR-Block用以提取多尺度特征，消除了模型對數據敏感問題；文獻［7］提出了一種注意力機制模型，模型通過局部、全局的特征提取和融合機制提出了垃圾圖像分類模型GCNet。文獻［8］提出了基于Inception 網絡特征提取模型和遷移學習相結合的垃圾分類方法，該方法采用較小的卷積核來減小計算量。這些方法均從模型角度人為來設計網絡結構，且缺乏針對數據本身特點的分析。

本文結合數據本身特點，采用顯著性檢測來去除各背景，然后……