超级会员免费看
本文介绍了一个基于Python的卷积神经网络（CNN）模型，用于实现六类垃圾分类，包括glass、cardboard、metal等。作者通过实验对比，最终在ResNet v2基础上调整网络结构，达到80%的正确率。经过训练和优化，模型在测试集上的准确率提升至90.23%，并在实际测试中成功分类90%的图片。
目前垃圾分类已经在许多城市开展起来。这看似微不足道的“小事”，实则关系到13亿多人生活环境的改善，理应通过人工智能技术来大力提倡社会风气养成。本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。
2.任务要求
每位同学单独完成；建立神经网络模型，并尽可能将其参数调优到最佳状态；绘制深度学习模型图、绘制并分析学习曲线等；分析模型并试着调试不同学习率等超参数对模型的结果影响 ；使用Python语言。
3.实验方法
卷积神经网络 （Convolutional Neural Network, CNN）是一种结构类似于人类或动物的 视觉系统 的人工神经网络，包含一个或多个卷积层（Convolutional Layer）、池化层
订阅专栏 解锁全文
扫一扫
2501
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
