基于深度学习resnet50的垃圾图像识别 完整代码+数据 毕业设计 可直接运行

# 垃圾分类 #### 介绍 这是一个基于深度学习的垃圾分类小工程，用深度残差网络构建 #### 软件架构 1. 使用深度残差网络resnet50作为基石，在后续添加需要的层以适应不同的分类任务 2. 模型的训练需要用生成器将数据集循环写入内存，同时图像增强以泛化模型 3. 使用不包含网络输出部分的resnet50权重文件进行迁移学习，只训练我们在5个stage后增加的层 #### 安装教程 1. 需要的第三方库主要有tensorflow1.x，keras，opencv，Pillow，scikit-learn，numpy 2. 安装方式很简单，打开terminal，例如：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple 3. 数据集与权重文件比较大，所以没有上传 4. 如果环境配置方面有问题或者需要数据集与模型权重文件，可以在评论区说明您的问题，我将远程帮助您 #### 使用说明 1. 文件夹theory记录了我在本次深度学习中收获的笔记，与模型训练的控制台打印信息 2. 迁移学习需要的初始权重与模型定义文件resnet50.py放在model下 3. 训练运行trainNet.py，训练结束会创建models文件夹，并将结果权重garclass.h5写入该文件夹 4. datagen文件夹下的genit.py用于进行图像预处理以及数据生成器接口 5. 使用训练好的模型进行垃圾分类，运行Demo.py #### 结果演示