【技术实现步骤摘要】
本专利技术涉及图像处理领域,具体涉及一种多头注意力驱动的厨余垃圾多标签分类方法。
技术介绍
1、近年来,深度学习作为提高垃圾分类效率的手段,许多先进的分类算法被提出,然而目前公开的垃圾数据集大多是基于生活垃圾识别而设计的,对真实场景下厨余垃圾分类缺少相关研究,此外,厨余垃圾图像往往包含多个类别,是计算机视觉领域中典型的多标签图像分类。多标签图像分类作为计算机视觉领域任务之一,主要任务是在于准确预测图像中所包含的全部类别,由于在真实世界中,物体通常是多个同时出现的,这也更加符合人体的认知常识。
2、从厨余垃圾多标签分类角度出发,真实场景对模型的实时性要求较高,由于图像背景复杂,物体类别多样,物体标签之间存在关联性,目前的方法针对该问题的处理若是想获得较高的分类精度往往需要较复杂的网络模型,而基本的深度卷积网络在分类精度上无法保证。因此,研究真实场景下智能化的厨余垃圾多标签高效分类算法具有重要的实际价值和意义。
技术实现思路
1、本专利技术提供一种多头注意力驱动的厨余垃圾多标签分类
...【技术保护点】
1.一种多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,包括:
2.根据权利要求1所述的多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,基于不同季节厨余垃圾的类别分布不同,所述厨余垃圾多标签分类数据集,从一年不同时间段中挑选多种不同类别组合的厨余垃圾图像得到。
3.根据权利要求1所述的多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,所述轻量化的特征提取模块,使用轻量化主干网络ShufflenetV2。
4.根据权利要求1所述的多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,所述多头注意力模块,包括第一全连接层、缩放点
...【技术特征摘要】
1.一种多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,包括:
2.根据权利要求1所述的多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,基于不同季节厨余垃圾的类别分布不同,所述厨余垃圾多标签分类数据集,从一年不同时间段中挑选多种不同类别组合的厨余垃圾图像得到。
3.根据权利要求1所述的多头注意力驱动的厨余垃圾多标签分类方法,其特征在于,所述轻量化的特征提取模块,使用轻量化主干网络shufflenetv2。
...
【专利技术属性】
技术研发人员:梁桥康,李进涛,秦海,刘铭峰,柳力元,
申请(专利权)人:湖南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。