基于改进Faster R-CNN 的垃圾检测与分类方法

马 雯，于 炯，，王 潇，陈嘉颖

（1.新疆大学 软件学院，乌鲁木齐 830008；2.新疆大学 信息科学与工程学院，乌鲁木齐 830046）

0 概述

随着我国经济的高速发展，城市规模逐渐扩大，城镇人口的日益增多，使得城市生活垃圾的产量迅猛增长［1］。针对目前的城市垃圾，加大治理力度，对垃圾进行无害化、资源化处理是当前急需解决的问题。垃圾的回收利用在现代社会中占有重要地位，对垃圾进行有效分类是处理垃圾回收问题的前提［2］。目前，面对人工分拣垃圾环境差、回收任务繁重且分拣效率低等问题，研究人员提出垃圾识别与分拣实现智能化和自动化。利用深度学习技术不但可以降低人工成本，节约人力资源，进一步提高有限资源的重复利用率，有助于加速实现生态文明建设的目标［3］。

本文提出一种基于改进Faster R-CNN 的垃圾检测与分类方法。利用改进的Faster R-CNN 算法处理垃圾分类问题，克服垃圾分类的人工预处理难题。使用经过预训练的Faster R-CNN 算法对物体进行检测，通过网络在图像的单个前向传输中提取全局和局部尺度的卷积特征。研究VGG16［4］网络架构与ResNet50［5］架构对于垃圾分类算法性能的影响，从而选择效果更好的网络完成垃圾分类。

1 相关工作

物体检测是一项计算机视觉任务，吸引了许多研究者的关注。2012 年提出的Alexnet 是一种卷积神经网络架构，该架构曾获得ImageNet 挑战赛的冠军［6］。该竞赛中使用的架构具有结构简单与性能极高的特征。目前，深度学习已成为最受关注的研究主题，并且涌现了出色的神经网络算法［7］，例如VGG、Xception、ResNet 等。……