摘要
在绿色发展的主题下,深度学习高效地进行垃圾分类方法亟待研究。在垃圾图像分类问题中,大尺寸图像包含着更丰富的信息。然而主流的基于CNN的深度学习难以从大尺寸图片中提取长序列特征。针对此问题,文章基于垃圾图像数据设计了基于SwinTransformer模型的算法框架。该算法框架不仅解决了长序列特征提取问题,还通过知识蒸馏方法解决了大模型体积过大难以部署的问题。算法最优准确率为94.4%,相较CNN结构模型最高提升了11%的精度。为增加算法的实用性,文章使用了知识蒸馏方法把基础模型缩小为原来的1/3。实验结果表明文章的算法框架能较好地应用在大尺寸图像分类问题中,并且知识蒸馏方法能高效地提升大模型的部署实用性。
出处
《电脑知识与技术》
2023年第30期1-5,15,共6页
Computer Knowledge and Technology
基金
乐亿生态综合碳汇模块技术研发(GY-H-22126)
基于建筑设计的建筑物理课程教学改革研究(2022JG020)