一种基于改进损失函数的垃圾分类方法、系统和介质技术方案

本发明专利技术提出了一种基于改进损失函数的垃圾分类方法、系统和介质，方法包括：步骤1，收集已标注好的垃圾分类数据集；步骤2，划分数据集，设置验证集；步骤3，对训练的数据集进行预处理；步骤4，构建分类网络模型；步骤5，设置优化器和损失函数，将数据集准备加载到网络中，进行模型的训练与验证；其中：损失函数为改进的损失函数；步骤6，保存验证效果最好的训练模型进行测试评估；步骤7，利用模型进行实际的垃圾分类。本发明专利技术能够根据每个样本的实际情况动态调整损失的权重。这种损失函数能够更有效地处理类别不平衡和标签噪声问题，从而提高模型的泛化能力和鲁棒性。

【技术实现步骤摘要】

本专利技术属于环保，具体涉及一种基于改进损失函数的垃圾分类方法、系统和介质。

技术介绍

1、近年来，随着垃圾分类和环保意识的逐步提高，基于人工智能的垃圾分类方法成为了研究的热点。特别是深度学习技术的进步，使得基于计算机视觉的垃圾分类方法具有了广阔的应用前景。垃圾分类方法主要依赖于对图像数据的分析，常见的技术手段包括卷积神经网络(cnn)、自注意力机制(self-attention)、变换器(transformer)和图像特征提取模型，如clip(contrastive language-image pretraining)模型。

2、垃圾分类的技术手段主要集中在以下几个方向：

3、基于卷积神经网络(cnn)的方法：传统的垃圾分类方法大多采用cnn作为基础模型，通过对图像进行特征提取、卷积操作和池化操作来进行分类。然而，cnn模型在处理复杂和多样化的垃圾图像时，往往难以捕捉到图像中的深层次特征，容易造成泛化能力不足。

4、基于transformer的视觉模型：transformer架构最初应用于自然语言处理(nlp)任务，本文档来自技高网...

【技术保护点】

1.一种基于改进损失函数的垃圾分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进损失函数的垃圾分类方法，其特征在于，步骤5中的最终损失函数为：

3.根据权利要求2所述的一种基于改进损失函数的垃圾分类方法，其特征在于，图片标准化处理的标准化公式如下：

4.根据权利要求1所述的一种基于改进损失函数的垃圾分类方法，其特征在于，所述步骤4包括:

5.根据权利要求4所述的一种基于改进损失函数的垃圾分类方法，其特征在于，所述CLIP模型主体包含以下步骤：

6.根据权利要求4所述的一种基于改进损失函数的垃圾分类方法，其...

【技术特征摘要】

1.一种基于改进损失函数的垃圾分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进损失函数的垃圾分类方法，其特征在于，步骤5中的最终损失函数为：

3.根据权利要求2所述的一种基于改进损失函数的垃圾分类方法，其特征在于，图片标准化处理的标准化公式如下：

4.根据权利要求1所述的一种基于改进损失函数的垃圾分类方法，其特征在于，所述步骤4包括:

5.根据权利要求4所述的一种基于改进损失函数的垃圾分类方法，其特征在于，所述clip模型主体包含以下步骤：

6.根据权利要求4所述的一种基于改进损失函数...

【专利技术属性】
技术研发人员：张成，张亚君，皮文俊，毛鹏，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：