本科毕业设计:基于深度网络的垃圾识别与分类算法研究
在现代社会生活与生产活动下,不可避免的会产生巨量且多样的垃圾。我国的人口和经济总量均位居世界前列,因此,必然面临着庞大数量的垃圾处理的难题。如何通过人工智能来对垃圾进行有效分类,成为当前备受关注的研究热点。本文为展开基于深度网络的垃圾识别与分类算法研究,先使用PyTorch框架中的transforms方法对数据进行预处理操作,后经过多次调参实验,对比朴素贝叶斯模型、Keras卷积神经网络模型、ResNeXt101模型的垃圾分类效果。确定最佳分类模型是ResNeXt101,该模型在GPU环境下的分类准确率达到了94.7%。最后利用postman软件来测试API接口,完成图片的在线预测。在微信开发者工具的基础上,利用一些天行数据的垃圾分类的API接口再结合最佳模型的API接口,开发出了一个垃圾分类微信小程序。本文的研究内容丰富和完善了垃圾图像分类的相关研究,也为后续的研究提供了一定的参考价值。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于深度网络的垃圾识别与分类算法研究源码(高分毕业设计).zip本资源中的源码都是经过本地编译过可运行的,评审分达到95分以上。资源项目的难度比较适中,内容都是经过助教老师审定过的。 在现代社会生活与生产活动下,不可避免的会产生巨量且多样的垃圾。我国的人口和经济总量均位居世界前列,因此,必然面临着庞大数量的垃圾处理的难题。如何通过人工智能来对垃圾进行有效分类,成为当前备受关注的研究热点。本文为展开基于深度网络的垃圾识别与分类算法研究,先使用PyTorch框架中的transforms方法对数据进行预处理操作,后经过多次调参实验,对比朴素贝叶斯模型、Keras卷积神经网络模型、ResNeXt101模型的垃圾分类效果。确定最佳分类模型是ResNeXt101,该模型在GPU环境下的分类准确率达到了94.7%。最后利用postman软件来测试API接口,完成图片的在线预测。在微信开发者工具的基础上,利用一些天行数据的垃圾分类的API接口再结合最佳模型的API接口,开发出了一个垃圾分类微信小程序。本文的研究内容丰富和完善了垃圾图像分类的相关研究,也为后续的研究提供了一定的参考价值。
资源推荐
资源详情
资源评论
收起资源包目录
基于深度网络的垃圾识别与分类算法研究源码(高分毕设).zip (15个子文件)
Pytorch-garbae-classify-main
app_WSL-Images_resnext.py 2KB
app_garbage.py 3KB
json_utils.py 3KB
facebookresearch_WSL-Images_resnext.py 2KB
model.py 7KB
living.ipynb 54KB
文档.txt 1KB
04 垃圾分类 数据预处理与可视化.ipynb 1.41MB
03 数据预处理方法介绍.ipynb 208KB
garbage-classification-using-pytorch.py 6KB
checkpoints
readme 251B
args.py 2KB
transform.py 844B
01 垃圾分类_一级分类 数据分布.ipynb 33KB
02 垃圾分类_二级分类 数据分析.ipynb 79KB
共 15 条
- 1
资源评论
盈梓的博客
- 粉丝: 7259
- 资源: 1975
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功