垃圾分類作為資源回收利用的重要環(huán)節(jié)之一， 可以有效地提高資源回收利用效率， 進一步減輕環(huán)境污染帶 來的危害。 隨著現(xiàn)代工業(yè)逐步智能化， 傳統(tǒng)的圖像分類算法已經(jīng)不能滿足垃圾分揀設(shè)備的要求。 本文提出一種基于 卷積神經(jīng)網(wǎng)絡的垃圾圖像分類模型 （Garbage Classification Network， GCNet）。 通過構(gòu)建注意力機制， 模型完成局部 和全局的特征提取， 能夠獲取到更加完善、有效的特征信息; 同時， 通過特征融合機制， 將不同層級、尺寸的特征進 行融合， 更加有效地利用特征， 避免梯度消失現(xiàn)象。 實驗結(jié)果證明， GCNet 在相關(guān)垃圾分類數(shù)據(jù)集上取得了優(yōu)異的 結(jié)果， 能夠有效地提高垃圾識別精度。

1 引言

垃圾回收利用作為發(fā)展循環(huán)經(jīng)濟的必經(jīng)之路， 是 根治污染、提高環(huán)境治理效果的關(guān)鍵所在。 隨著我國 生產(chǎn)力水平的發(fā)展， 生活垃圾、工業(yè)垃圾數(shù)量不斷增 加， 困擾著很多城市。 據(jù)統(tǒng)計， 僅 2018 年， 中國垃圾的 清運量已經(jīng)達到了 2.28 億噸［1］ 。 在人們將垃圾投放進垃圾箱之后， 垃圾被運送到垃圾處理廠統(tǒng)一處理。 當前 國內(nèi)的垃圾處理廠， 更多依靠人工在流水線上作業(yè)去 分揀垃圾， 對作業(yè)者健康不利且分揀效率較低， 已不能 滿足大量垃圾處理需求。 此外， 人工分揀的垃圾種類極 為有限， 大部分垃圾無法重新回收利用， 造成很大浪費。 隨著深度學習技術(shù)的發(fā)展， 卷積神經(jīng)網(wǎng)絡使圖像分類 算法在精度和速度上得到了巨大的提升， 讓我們看到 了借助視覺技術(shù)自動分揀垃圾的可能性。 通過攝像頭 拍攝垃圾圖片， 利用卷積神經(jīng)網(wǎng)絡檢測出垃圾的類別， 之后就可以借助機械手或推板自動完成分揀任務， 可 以降低人工成本， 提高分揀效率。 因此， 開展垃圾圖像 分類算法的研究， 具有重要的應用價值。

2 相關(guān)工作

早期， 學者們只能借助經(jīng)典的圖像分類算法［2–5］ 完 成垃圾圖像分類任務， 這要通過手動提取的圖像特征 并結(jié)合相應的分類器完成。 吳健等［6］ 利用顏色和紋理 特征， 初步完成了廢物垃圾識別。 由于不同數(shù)據(jù)集的圖 像背景、尺寸、質(zhì)量不盡相同， 傳統(tǒng)算法需要根據(jù)相應數(shù)據(jù)人工提取不同的特征， 算法的魯棒性較差， 并且 處理方式復雜， 所需時間較長， 無法達到實時的效果。 隨著卷積神經(jīng)網(wǎng)絡 （Convolution Neural Network， CNN） 的飛速發(fā)展， 深度學習廣泛應用于圖像識別領(lǐng) 域。

作為數(shù)據(jù)驅(qū)動的算法， CNN 具有強大的特征擬合 能力， 可以有效、自動地提取圖像特征， 并具有較快的 運行速度。 2012 年， AlexNet［7］ 取得了 ImageNet 圖像分 類競賽的冠軍， 標志著深度學習的崛起。 隨后幾年， GoogleNet［8］、VGGNet［9］、ResNet［10］ 等算法提升了圖像分類的精度， 并成功應用于人臉識別、車輛檢測等 多個領(lǐng)域。 垃圾圖像分類， 在深度學習算法的幫助下同 樣取得了較大的突破。

斯坦福大學的 Yang 等建立了 TrashNet Dataset 公開數(shù)據(jù)集， 包含 6 個類別， 共計 2527 張圖片。 Ozkaya 等［11］ 通過對比不同 CNN 網(wǎng)絡的 分類能力， 搭建神經(jīng)網(wǎng)絡 （本文稱之為 TrashNet） 并進 行參數(shù)微調(diào)， 在數(shù)據(jù)集 TrashNet Dataset 上取得了 97.86% 的準確率， 是目前這一數(shù)據(jù)集上最佳分類網(wǎng)絡。 在非公開數(shù)據(jù)集方面， Mittal 等［12］ 自制了 2561 張的垃圾圖片 數(shù)據(jù)集 GINI， 使用 GarbNet 模型， 得到了 87.69% 的準 確率。 國內(nèi)方面， 鄭海龍等［13］ 用 SVM 方法進行了建筑 垃圾分類方面的研究。 向偉等［14］ 使用分類網(wǎng)絡 CaffeNet， 調(diào)整卷積核尺寸和網(wǎng)絡深度， 使其適用于水面垃圾分 類， 在其自制的 1500 張圖片數(shù)據(jù)集上取得了 95.75% 的識別率。 2019 年， 華為舉辦垃圾圖像分類競賽， 構(gòu)建 了樣本容量為一萬余張的數(shù)據(jù)集， 進一步促進了該領(lǐng) 域的發(fā)展。

我國各地區(qū)生活垃圾分類標準有所不同， 大致可 分為可回收垃圾、有害垃圾、廚余垃圾和其他垃圾這 4 大類， 且每個類別下又包含若干子類別， 種類繁多且 十分復雜。 按照這樣的分類標準做的垃圾圖像識別研 究， 國內(nèi)目前還處于起步階段。 現(xiàn)有的圖形分類算法在 垃圾處理領(lǐng)域的應用較少， 且存在準確率不足、泛化 性能差、處理效率低的缺點。 針對現(xiàn)有方法的不足， 本 文提出一種基于卷積神經(jīng)網(wǎng)絡的垃圾圖像分類算法 （Garbage Classification Net， GCNet）， 在網(wǎng)絡結(jié)構(gòu)中融合 了注意力機制模塊與特征融合模塊， 提高了模型在垃 圾分類任務上的準確性與魯棒性。

3 算法設(shè)計

3.1 模型結(jié)構(gòu)

本文構(gòu)建的 GCNet 模型包括特征提取器、分類 器兩部分， 整體結(jié)構(gòu)如圖 1 所示。 圖中特征提取器由 Resnet101 作為主干部分， 共包括 5 個 bottleneck， 并在 不同的 bottleneck 后加入注意力機制模塊， 同時對不同 模塊提取到的特征進行特征融合 （如圖 1 中虛線所示） 以從輸入 中提取圖像的特征信息 ：

其中， Me表示特征提取器。 F1 yi 分類器由兩層全連接層和一個 Softmax 分類器組 成， 對提取到的特征信息 進行分類， 以得到圖像在每 個類別下的最終得分 ：

其中， Mc表示分類器。

3.2 注意力機制

注意力機制源于對人類視覺的研究， 人類會根據(jù) 實際需要選擇視網(wǎng)膜內(nèi)特定區(qū)域進行集中關(guān)注， 可以 將有限的處理資源分配至重要的部分。 由于相同類別 垃圾的特征表征差異性可能較大， 不利于圖片的正確 分類， 這就要求準確地關(guān)注圖像中的顯著區(qū)域。 受這一 思想的啟發(fā)， 通過構(gòu)建注意力機制模塊， 使網(wǎng)絡模型重 點關(guān)注有利于分類的特征區(qū)域， 以實現(xiàn)更好的特征提 取功能， 其具體結(jié)構(gòu)如圖 2 所示。

5 結(jié)論

本文針對垃圾圖像分類問題， 構(gòu)建了一種基于卷 積神經(jīng)網(wǎng)絡的算法 GCNet， 該網(wǎng)絡通過構(gòu)建注意力機 制和特征融合機制， 能夠有效地提取圖像特征、降低 類別差異性帶來的影響， 并在相關(guān)數(shù)據(jù)集上取得了 96.73% 的平均準確率， 相較于現(xiàn)有的分類算法提升了 約 4% 的準確率， 滿足了實際的應用需求， 具有良好的 應用前景。

原文標題：基于卷積神經(jīng)網(wǎng)絡的垃圾圖像分類算法

文章出處：【微信公眾號：新機器視覺】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq