基于SqueezeNet-Tiny的可回收垃圾智能垃圾桶设计及实现

文章提出一种对SqueezeNet神经网络改进策略,通过删除第三个Maxpooling层,同时将第一个卷积层的卷积核大小设置成3×3,创建轻量化SqueezeNet-Tiny模型,并在具有复杂背景的可回收垃圾数据集(Recyclable Waste Dataset,简称RW Dataset)上验证了改进的有效性。将SqueezeNet-Tiny迁移到硬件设施,完成了智能分类垃圾桶的设计和制作,识别精度可达94.68%,参数量仅为0.74 M,基本满足工程化应用的需求。