基于ResNet-50垃圾分类算法的改进及应用

随着人们生活水平和消费水平的不断提高，垃圾问题日益严峻。针对当前垃圾分类易出错、准确率低等问题，本文提出了一种改进的ResNet-50识别算法，首先通过二维Gamma函数对图像进行光照校正预处理；然后，采用Leaky ReLU激活函数，并把激活函数和BatchNormalize层的位置放在了卷积神经网络的卷积操作之前，优化了ResNet-50网络结构。最后，收集常见的4种类型垃圾进行训练、测试得到最优网络模型。经实验验证，该模型的准确率达到99%,识别效果较佳。为营造共建共享氛围，实现垃圾快速有效分类，推动绿色生活方式提供了理论依据。