改进的SSD生活垃圾检测算法

李博威，侯 明，李 擎，徐文龙

（北京信息科技大学自动化学院，北京 100192）

1 引言

随着我国的经济快速发展，人民的生活水平有了极大的提升，但同时伴随着生活垃圾快速增长，2016年中国城市固体垃圾产生量达到了2.34亿吨，与1996年相比增幅为88%［1］。与此同时，垃圾中也富含着丰富的资源，在当前资源匮乏的时代，如果生活垃圾的有用物质可以得到有效利用，将对循环经济的发展有着重大作用［2］，故如何对垃圾进行有效的检测与分拣已经成为垃圾资源化处理的前提。垃圾本身形态各异、种类繁多；其分类是一种复杂度高、强度大、环境恶劣的工作，采用人工分拣是当前的主要形式，避免不了对工作人员造成损伤。采用先进设备代替人类从事恶劣、复杂、高强度的工作，是当前AI与机器人技术的重要应用，这里主要研究垃圾检测的问题。

目前的目标检测算法分为两类：传统的特征提取方法、基于深度学习的方法。传统方法是通过图像特征即SIFT［3］、HOG［4］等，与SVM［5］等分类器组成，但由于传统的方法对于图像特征的提取人为干预过多，在明显的物体与简单背景的情形下，有很好的检测效果。对于垃圾这种形状不规则、尺寸变化范围大、混叠遮挡严重、种类繁多的复杂应用场合，传统的目标检测算法对于兴趣目标的检测性能低，鲁棒性差，不能满足实时要求。近些年来，随着深度学习领域的研究与发展，基于深度学习的目标检测算法广泛地应用在遥感图像［6］、无人驾驶［7］等领域中。……