申请/专利权人：江苏海洋大学;梦西游文化科技(连云港)有限公司

申请日：2023-12-25

公开（公告）日：2024-04-02

公开（公告）号：CN117809089A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/25;G06V10/44;G06V10/52;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.04.02#公开

摘要：本发明提出了一种基于高密度小目标的检测算法对生活垃圾图像分类的识别方法，基于卷积神经网络，基于GoogLeNet的Inception结构思想，对生活垃圾进行多尺度特征提取。以ResNet50网络中使用改进后的FasterR‑CNN数据模型通过残差连接增加目标检测准确率。在11种常见的生活垃圾数据集上进行分类训练，实验结果表明正确率达到90％左右，从而验证了本发明提出的生活垃圾分类识别模型的有效性，凸显了本发明在准确率上的明显优势。

主权项：1.高密度小目标生活垃圾智能分类检测方法，其特征在于，具体步骤如下：S1：GoogLeNet的Inception结构将每层几个不同大小的并行卷积核和一个池化滤波器对不同尺度的垃圾特征进行提取，然后将提取的特征进行叠加，输出到下一层；S2：使用ResNet50残差网络融合不同层之间的输出，达到各层之间信息聚合；S3：在FasterR-CNN中，将各层聚合的信息通过ResNet50网络进行特征提取，得到高维的特征图。这些特征图被送入RPN中，生成候选区域；S4：通过改变IOU的计算方法，同时引入FPN特征融合网络，提高小目标检测准确率。

全文数据：

权利要求：

百度查询： 江苏海洋大学;梦西游文化科技(连云港)有限公司 一种基于高密度小目标生活垃圾智能分类检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD