论文部分内容阅读
为应对一次性塑料垃圾难检测的问题,应用卷积神经网络提出一次性塑料垃圾分类模型。该模型在预处理阶段模拟手工提取方式捕获线性和非线性残差信息,在残差特征学习阶段通过卷积神经网络融合线性和非线性残差特征。仿真结果表明:线性和非线性残差特征具备较优的分类能力,深层次网络有利于融合各类残差且学习捕获高级语义特征信息,本模型的检测分类准确率为75.84%,优于传统HOG模型约8%。