目錄

前言

課題背景和意義

實(shí)現(xiàn)技術(shù)思路

一、深度學(xué)習(xí)理論及技術(shù)基礎(chǔ)

二、基于特征融合和注意力機(jī)制的垃圾檢測(cè)算法

三、多目標(biāo)垃圾視頻追蹤算法

實(shí)現(xiàn)效果圖樣例

最后

前言

? ? ??大四是整個(gè)大學(xué)期間最忙碌的時(shí)光,一邊要忙著備考或?qū)嵙?xí)為畢業(yè)后面臨的就業(yè)升學(xué)做準(zhǔn)備,一邊要為畢業(yè)設(shè)計(jì)耗費(fèi)大量精力。近幾年各個(gè)學(xué)校要求的畢設(shè)項(xiàng)目越來越難,有不少課題是研究生級(jí)別難度的,對(duì)本科同學(xué)來說是充滿挑戰(zhàn)。為幫助大家順利通過和節(jié)省時(shí)間與精力投入到更重要的就業(yè)和考試中去,學(xué)長(zhǎng)分享優(yōu)質(zhì)的選題經(jīng)驗(yàn)和畢設(shè)項(xiàng)目與技術(shù)思路。

??對(duì)畢設(shè)有任何疑問都可以問學(xué)長(zhǎng)哦!

選題指導(dǎo):?https://blog.csdn.net/qq_37340229/article/details/128243277

大家好,這里是海浪學(xué)長(zhǎng)畢設(shè)專題,本次分享的課題是

??基于深度學(xué)習(xí)的垃圾分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

課題背景和意義

人類自誕生以來，就在不斷產(chǎn)生垃圾。垃圾的產(chǎn)生總是不可避免，但是隨著時(shí)代的發(fā)展，我們可以用不同的手段處理垃圾。事實(shí)上，垃圾也是一種資源，絕大部分都可回收再利用。多種垃圾放置在一起就是垃圾，如果分開處理就可以變廢為寶。垃圾分類，是指將垃圾按照某種規(guī)則依據(jù)類別分別投放，保存和運(yùn)輸，實(shí)現(xiàn)資源重新利用的過程。隨著工業(yè)革命人類的生產(chǎn)力水平以指數(shù)級(jí)提升，也使得垃圾數(shù)量飛速上漲，如何處置垃圾在全世界范圍變成一個(gè)棘手的問題。垃圾分類作為資源回收利用的重要環(huán)節(jié)之一，可以有效地提高資源回收利用效率，減輕環(huán)境污染帶來的危害。傳統(tǒng)的圖像分類算法很難滿足垃圾分揀設(shè)備的要求，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，使借助視覺技術(shù)自動(dòng)分揀垃圾具有了現(xiàn)實(shí)的可能性。通過攝像頭拍攝垃圾圖片，利用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)出垃圾的類別及位置，借助機(jī)械手或推板自動(dòng)完成分揀任務(wù)，可以降低人工成本，提高分揀效率。因此，開展垃圾圖像分類算法的研究，具有理論意義和重要的應(yīng)用價(jià)值。

實(shí)現(xiàn)技術(shù)思路

一、深度學(xué)習(xí)理論及技術(shù)基礎(chǔ)

卷積層：

卷積層中的操作就是卷積運(yùn)算，也即濾波運(yùn)算。對(duì)輸入圖像，卷積運(yùn)算以一定步長(zhǎng)不斷滑動(dòng)窗口，并將濾波器中對(duì)應(yīng)數(shù)值與輸入圖片中的像素相乘再相加，求得的值加上一個(gè)偏置，作為輸出特征圖中的像素值。

?其中，I 為輸入圖像，K 為卷積核，S 為輸出結(jié)果。卷積運(yùn)算：

?

?

為了讓神經(jīng)網(wǎng)絡(luò)更好地?cái)M合非線性問題，同時(shí)也為了使得深層神經(jīng)網(wǎng)絡(luò)真正的發(fā)揮作用，要使用非線性激活函數(shù)，常用包含如下幾種。

（1）Sigmoid 函數(shù)

Sigmoid 函數(shù)的輸出在（0,1）之間并且是 光滑曲線，處處可微分。但當(dāng)函數(shù)值接近于 0 和 1 的時(shí)候，函數(shù)的導(dǎo)數(shù)接近于 0， 造成梯度消失，在深層神經(jīng)網(wǎng)絡(luò)中，可能會(huì)造成無法反向傳播梯度。Sigmoid 函數(shù)的圖形：

?

二、基于特征融合和注意力機(jī)制的垃圾檢測(cè)算法

垃圾檢測(cè)數(shù)據(jù)集

選擇國(guó)內(nèi)唯一的公開數(shù)據(jù)集—華為垃圾分類數(shù)據(jù)集作為數(shù)據(jù)來源。其中包括可回收垃圾包含：塑料衣架、箱、調(diào)料瓶、酒瓶等；不可回收垃圾中包含：一次性快餐盒、污損塑料、煙蒂、牙簽、過期藥物等。

?垃圾檢測(cè)算法的數(shù)據(jù)集標(biāo)注

在垃圾分揀回收實(shí)際場(chǎng)景中，需要手動(dòng)對(duì)數(shù)據(jù)進(jìn)行二次標(biāo)注。標(biāo)注了垃圾的位置信息后，就可以通過檢測(cè)算法對(duì)垃圾的位置信息進(jìn)行提取，為了實(shí)現(xiàn)基于 SSD 的垃圾檢測(cè)算法，需要先對(duì)數(shù)據(jù)集中垃圾的位置進(jìn)行標(biāo)注。

?通過對(duì)初始預(yù)測(cè)結(jié)果的檢查，修正檢測(cè)錯(cuò)誤圖像的檢測(cè)框作為圖像中目標(biāo)位置的標(biāo)簽，得到初始訓(xùn)練后的擴(kuò)充數(shù)據(jù)集。

?GCNet 總體架構(gòu)

?輸入一張垃圾圖片，通過特征提取器進(jìn)行特征提取，特征提取器由 resnet101 作為主干部分，共包括 5 個(gè) bottleneck，并在不同的 bottleneck 后加入注意力機(jī)制模塊，同時(shí)對(duì)不同模塊提取到的特征進(jìn)行特征融合。

?空間注意力與通道注意力結(jié)合模塊

三、多目標(biāo)垃圾視頻追蹤算法

?Deep SORT 算法追蹤結(jié)果：

實(shí)現(xiàn)效果圖樣例

文本算法檢測(cè)結(jié)果：

我是海浪學(xué)長(zhǎng),創(chuàng)作不易,歡迎點(diǎn)贊、關(guān)注、收藏、留言。

畢設(shè)幫助，疑難解答，歡迎打擾！文章來源地址http://www.zghlxwxcb.cn/news/detail-441354.html

最后

到了這里，關(guān)于畢業(yè)設(shè)計(jì)-基于深度學(xué)習(xí)的垃圾分類系統(tǒng)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！