上海居民快被垃圾分类逼疯！这个深度学习技术帮你做到垃圾自动分类

最新推荐文章于 2024-09-15 14:39:27 发布

CDA·数据分析师

最新推荐文章于 2024-09-15 14:39:27 发布

阅读量1.1w

点赞数 2

分类专栏：深度学习文章标签：深度学习

深度学习专栏收录该内容

23 篇文章 0 订阅

订阅专栏

让垃圾自动分类

近期垃圾分类成为了一个热门话题，原来直接一次性扔掉的垃圾，现在都需要分门别类进行投放。从今年7月1日起，新的《上海市生活垃圾管理条例》正式开始施行，号称史上最严的垃圾分类就要来了。我们以后在扔垃圾前都要先将垃圾仔细分成可回收物、有害垃圾、湿垃圾和干垃圾四个类别，如果分错还会被罚款。

垃圾分类可以更好地保护我们的环境卫生，为了让大家能够正确对垃圾进行分类，官方发布了垃圾分类指南，列举了每种类别对应的常见垃圾，大家可以对照着进行分类投放。此外，脑洞大开的网友们也另辟蹊径，提供了各种有意思的分类思路。

在日常生活中，每个类别的垃圾往往包含了各式各样的内容，人们在分类投放的时候难免会出现偏差，这个时候如果有一个分类神器对垃圾拍个照就能告诉我们是什么类别就好了。

当前人工智能飞速发展，我们能否利用AI技术来对垃圾自动分类，实现上面提到的设想呢？为了回答这个问题，在今天的文章中，我们将从人工智能的角度出发，尝试利用深度学习技术来构建一个垃圾自动分类器，同时也会进一步介绍AI垃圾分类遇到的挑战和一些思考。

“垃圾”图像数据准备

为了实现一个理想的垃圾自动分类器，需要有一个已经分好类别的“垃圾”图像数据集作为训练的基础。然而当前并没有这样一个可以直接使用的数据集，所以我们首先自己动手收集海量的“垃圾”图像并为每张图像标注上相应的类别。

数据集的收集一直是一件耗时耗力的工作，为了快速便捷地完成“垃圾”图像数据集的收集，我们依据官方发布的垃圾分类指南上每一类所包含的垃圾名称，通过在百度图片上爬取名称对应的图像来实现。官方发布的垃圾分类指南如下图所示。

在实际的应用场景中，待分类的样本往往是不可控的，所以一般会增加“其他”这个类别用来收留各种异常样本。在垃圾分类中，除可回收物、有害垃圾和湿垃圾外都属于干垃圾，所以干垃圾已经扮演了“其他”的角色。我们的“垃圾”图像数据集最终分为可回收垃圾、有害垃圾、湿垃圾和干垃圾四个类别。数据集的部分图像如下图所示。

垃圾自动分类器

垃圾自动分类本质上是一个图像分类问题，当前基于深度卷积神经网络的图像分类算法发展很快，各种方法层出不穷。下面我们先回顾这些分类网络的演进思路，再进一步将分类算法应用于垃圾分类，介绍构建一个垃圾自动分类器的流程和细节。

卷积神经网络的开山之作LeNet于1998年被提出，并成功应用于手写体识别。LeNet和现在的网络结构相比虽然简单（如上图所示），但是卷积层、池化层和全连接层这些基本模块都已经具备。

随着ReLU和dropout的提出，以及GPU和大规模数据集的出现，卷积神经网络在2012年迎来了历史突破，AlexNet的出现让卷积神经网络开始逐渐成为计算机视觉任务的标配。在AlexNet的基础上，以增加网络深度为思路，出现了VGGNet；以增强卷积模块为思路，出现了基于Inception的一系列网络。

随着后来居上的ResNet的提出，层数极深的网络成为了可能。通过引入残差模块，缓解了深度网络训练过程中的梯度消失问题，让网络的深度不断加大，网络性能也得到了大幅提升。之后的DenseNet更是通过对特征图的稠密连接，加强了特征的传递，继续提升分类效果。当前ResNet及其变种形式已经被广泛地应用于图像分类任务，同时也成为了在解决目标检测和图像分割等其他计算机视觉问题时常用的主干网络结构。

在本文中，我们使用50层的ResNet来构建垃圾自动分类器。具体我们采用在ImageNet数据集上预训练的ResNet50模型参数作为初始化，利用上一节中收集的“垃圾”图像数据集对其进行微调。

其中我们将上述ResNet50的最后一层输出从1000（ImageNet数据集的分类数量）修改为4（垃圾分类数量），同时在训练过程中冻结了部分卷积层参数的更新。此外还进一步利用水平翻转、随机裁剪和色彩抖动等方式对训练的“垃圾”图像进行数据增强。在完成垃圾自动分类器的训练后，我们对一些垃圾进行了自动分类的测试，准确率达到近90%。虽然对复杂的情况还是存在一定的误判，但大部分常见的垃圾都得到了正确的区分，具有较强的实用性。

从单个垃圾分类到一群垃圾分类

上一节中我们介绍了垃圾自动分类器的构建，但是这样的垃圾分类器的输入都是单个垃圾图像。在实际的垃圾分类投放过程中，对单个的垃圾进行一一拍照分类显得过于繁琐和缓慢。那能不能对一群垃圾直接拍照后进行批量分类呢？要实现对一群垃圾的批量分类，其实就是要构建一个垃圾的目标检测器。输入一张含有多个垃圾的图像，让模型输出图像上每种垃圾对应的类别。

在深度学习出现之前，可变形部件模型（DPM）一直是流行的目标检测方法。深度学习出现后，以R-CNN、Fast R-CNN、Faster R-CNN为代表的两阶段算法和以YOLOv1-3、SSD、RetinaNet为代表的单阶段算法成为主流。前者是先由算法生成一系列待检测目标的候选框，再通过卷积神经网络进行候选框的分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。