对垃圾进行分类的方法、装置以及存储介质制造方法及图纸

本申请涉及图像识别技术领域，特别是涉及一种对垃圾进行分类的方法、装置以及存储介质。其中，对垃圾进行分类的方法，包括：利用基于神经网络的特征提取模型从第一图像提取第一特征图以及从第二图像提取第二特征图，其中第一图像为向垃圾存储设施投递垃圾目标前所采集的垃圾存储设施内的图像，并且第二图像为向垃圾存储设施投递垃圾目标后所采集的垃圾存储设施内的图像；以及根据第一特征图和第二特征图，确定垃圾目标的类别。确定垃圾目标的类别。确定垃圾目标的类别。

【技术实现步骤摘要】
对垃圾进行分类的方法、装置以及存储介质


[0001]本申请涉及图像识别
，特别是涉及一种对垃圾进行分类的方法、装置以及存储介质。

技术介绍

[0002]近年来，随着垃圾分类管理条例的推行，全国各个地市都逐渐开始了对居民日常投递垃圾的严格管理。但是由于管理手段的落后，很多小区垃圾投递点需要设置专人对居民投递垃圾的行为进行督导或者进行二次分拣。而且，使用这样的人为监管手段，也很难保证有效的垃圾分类。随着人工智能技术的发展与成熟，人工智能与深度学习技术被用于替代这部分人为监管。
[0003]目前常见的垃圾分类算法主要是基于目标检测模型或单个图片的分类模型，需要保证输入的单张图片中具有需要分类的垃圾目标，因此在实际应用场景中对图像的采集有较高的要求。并且，采集到的连续帧输入模型中会产生大量的冗余信息，很难准确地提取到新投递的垃圾目标。
[0004]此外，现有的目标检测模型在应用于垃圾分类的应用场景中时，不仅提供垃圾目标的类别信息，还要计算垃圾目标的位置信息。由于垃圾目标的位置信息并不是垃圾分类中所关注的信息，因此现有的目标检测模型实际上提供了部分无效信息，从而造成了对算力的浪费，并且不可避免的会遇到处理速度的问题。传统分类模型在应用于该场景中时，因为背景图像中会存在并非本次投递的其他垃圾，因此背景图像会对垃圾目标的分类构成干扰，从而影响垃圾分类的准确性。
[0005]针对现有技术中利用人工智能技术进行垃圾分类处理时不能在提高计算效率的同时减少干扰信息的影响并提高分类准确率的技术问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本公开的实施例提供了一种对垃圾进行分类的方法、装置以及存储介质，以至少解决现有技术中利用人工智能技术进行垃圾分类处理时不能在提高计算效率的同时减少干扰信息的影响并提高分类准确率的技术问题。
[0007]根据本公开实施例的一个方面，提供了一种对垃圾进行分类的方法，包括：利用基于神经网络的特征提取模型从第一图像提取第一特征图并从第二图像提取第二特征图，其中第一图像为向垃圾存储设施投递垃圾目标前所采集的垃圾存储设施内的图像，并且第二图像为向垃圾存储设施投递垃圾目标后所采集的垃圾存储设施内的图像；以及根据第一特征图和第二特征图，确定垃圾目标的类别。
[0008]根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上所述的方法。
[0009]根据本公开实施例的另一个方面，还提供了一种对垃圾进行分类的装置，包括：特征图提取模块，用于利用基于神经网络的特征提取模型从第一图像提取第一特征图并从第
二图像提取第二特征图，其中第一图像为向垃圾存储设施投递垃圾目标前所采集的垃圾存储设施内的图像，并且第二图像为向垃圾存储设施投递垃圾目标后所采集的垃圾存储设施内的图像；以及垃圾分类模块，用于根据第一特征图和第二特征图，确定垃圾目标的类别。
[0010]根据本公开实施例的另一个方面，还提供了一种对垃圾进行分类的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：利用基于神经网络的特征提取模型从第一图像提取第一特征图并从第二图像提取第二特征图，其中第一图像为向垃圾存储设施投递垃圾目标前所采集的垃圾存储设施内的图像，并且第二图像为向垃圾存储设施投递垃圾目标后所采集的垃圾存储设施内的图像；以及根据第一特征图和第二特征图，确定垃圾目标的类别。
[0011]从而，本公开实施例利用基于神经网络的特征提取模型从投递垃圾目标前所采集的第一图像提取第一特征图以及从投递垃圾目标后所采集的第二图像提取第二特征图。由于没有利用目标检测模型进行目标检测，而是利用特征提取模型提取特征图，因此在对垃圾目标进行分类之外不会再进行对其定位的额外计算操作，因此节省了算力并提高了计算效率。此外，由于第一特征图能够反映未投递垃圾目标时垃圾存储设施内的图像特征，第二特征图能够反映已经投递垃圾目标后垃圾存储设施内的图像特征，因此通过根据第一特征图和第二特征图对垃圾目标进行分类，能够基于投递垃圾目标前的图像特征与投递垃圾目标后的图像特征之间的差异对垃圾目标进行分类。从而，排除了垃圾存储设施中的其他垃圾对分类的干扰，提高了垃圾分类的准确性，并解决了现有技术中利用人工智能技术进行垃圾分类处理时不能在提高计算效率的同时减少干扰信息的影响并提高分类准确率的技术问题。
附图说明
[0012]此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；图2是根据本公开实施例1所述的计算设备的程序模块示意图；图3是根据本公开实施例1的第一个方面所述的对垃圾进行分类的方法的流程示意图；图4A是在向垃圾桶投递垃圾目标前的第一图像的示意图；图4B是在向垃圾桶投递垃圾目标后的第二图像的示意图；图5是根据本公开实施例1的第一个方面所述的垃圾分类模块的示意图；图6是根据本公开实施例1的第一个方面所述的另一种替代方式的垃圾分类模块的示意图；图7是根据本公开实施例2所述的对垃圾进行分类的装置的示意图；以及图8是根据本公开实施例3所述的对垃圾进行分类的装置的示意图。
具体实施方式
[0013]为了使本
的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例
仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
[0014]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0015]实施例1根据本实施例，提供了一种对垃圾进行分类的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0016]本实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现对垃圾进行分类的方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器（处理器可以包括但不限于微处理器MCU或可编程逻辑器件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对垃圾进行分类的方法，其特征在于，包括：利用基于神经网络的特征提取模型从第一图像提取第一特征图并从第二图像提取第二特征图，其中所述第一图像为向垃圾存储设施投递垃圾目标前所采集的所述垃圾存储设施内的图像，并且所述第二图像为向所述垃圾存储设施投递所述垃圾目标后所采集的所述垃圾存储设施内的图像；以及根据所述第一特征图和所述第二特征图，确定所述垃圾目标的类别。2.根据权利要求1所述的方法，其特征在于，所述特征提取模型包含至少两个分支网络，并且利用基于神经网络的特征提取模型提取第一图像的第一特征图和第二图像的第二特征图的操作，包括：利用所述特征提取模型的第一分支网络提取所述第一图像的第一特征图；以及利用所述特征提取模型的第二分支网络提取所述第二图像的第二特征图。3.根据权利要求1所述的方法，其特征在于，根据所述第一特征图和所述第二特征图，确定所述垃圾目标的类别的操作，包括：将所述第一特征图和所述第二特征图融合生成第三特征图；以及根据所述第三特征图确定所述垃圾目标的类别。4.根据权利要求3所述的方法，其特征在于，将所述第一特征图和所述第二特征图融合生成第三特征图的操作，包括：利用基于注意力机制的权重计算模型分别计算所述第一特征图的权重值和所述第二特征图的权重值；以及根据所述第一特征图的权重值和所述第二特征图的权重值，将所述第一特征图和所述第二特征图进行加权融合，生成所述第三特征图。5.根据权利要求3所述的方法，其特征在于，将所述第一特征图和所述第二特征图融合生成第三特征图的操作，包括：对所述第一特征图的数据进行拼接生成与所述第一特征图对应的第一特征向量，并且对所述第二特征图的数据进行拼接生成与所述第二特征图对应的第二特征向量；确定所述第一特征向量和所述第二特征向量之间的距离，并根据所述距离确定与所述第一特征图和所述第二特征图对应的权重值；以及根据所述权重值将所述第一特征图和所述第二特征图进行融合，生成所述第三特征图。6.根据权利要求3所述的方法，其特...

【专利技术属性】
技术研发人员：亓圣章，张朝，王坚，李兵，余昊楠，胡卫明，
申请(专利权)人：人民中科济南智能技术有限公司，
类型：发明
国别省市：