2025年基于卷积神经网络的垃圾图片处理与改进 .pdfVIP

先天下之忧而忧，后天下之乐而乐。——范仲淹

IntelligentProcessingandApplication

DOI·10.20257/j.issn.2025-2026.2025.08.026

基于卷积神经网络的垃圾图片处理与改进

尚志亮，王伟，杨，嘉明珍，马存良

江西理工大学信息工程学院江西赣州341000

（，）

针对垃圾图片背景复杂和数量少等情况导致的神经网络准确率不高和泛化能力弱的问题提出利用

摘要：，

CutMix数据增强技术对数据集进行扩展，并在VGG16网络模型的基础上分别加入L1、L2正则化构建更为具体的

损失函数防止过拟合现象的发生将上述改进分为8种模型对4大类30个小类的14921张垃圾图像分别训练

，。，，

得到准确率和损失值实验结果表明原VGG16网络模型的准确率为91.17%加入L1正则化并将数据集利用数

。，；

据增强技术扩展增加9350张图片后准确率提升最大为92.26%提升幅度为1.09%通过对比分析改进后的网

，，。，

络无论是准确率还是泛化能力都有了明显的提升此外在单独引入L1正则化或L2正则化后模型的损失函数

；，，

变得光滑且不再过早趋于平稳有效避免了过拟合和梯度消失情况的发生改善了网络的整体性能

，，。

垃圾分类深度学习卷积神经网络正则化VGG16图像分类CutMix

关键词：；；；；；；

中图分类号：文献标识码：文章编号：

TP301A2095-1302202208-0093-04

（）

0引言1数据集获取

随着城市化的快速发展和人口数量的增加我国城市垃数据集主要通过网络采集获得包括有害垃圾可回收

，，