计算机工程

作者：马雯, 于炯, 王潇, 陈嘉颖

单位：1. 新疆大学 软件学院, 乌鲁木齐 830008;2. 新疆大学 信息科学与工程学院, 乌鲁木齐 830046

关键词：垃圾识别,分类,目标检测,深度学习,非极大值抑制

基金：国家自然科学基金（61862060，61462079，61562086，61562078）。

针对人工分拣垃圾环境差、任务繁重且分拣效率低的问题，为提高垃圾识别与分类的精确度，同时克服垃圾体积小及图像分辨率较低的难题，基于现有深度卷积神经网络模型，提出改进的Faster R-CNN目标检测模型与VGG16及ResNet50卷积神经网络相结合的方法。根据卷积网络的特性，修改Faster R-CNN网络结构，提升小目标检测任务精度，采用Soft-NMS算法替代传统的非极大值抑制算法，并对参数进行敏感分析，确定其参数范围为0.4~0.7。实验结果表明，与传统Faster R-CNN算法相比，该方法平均精确度提高8.26个百分点，综合识别率达到81.77%，且能够减少图像处理时间。

来源：2021年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第8期