Сравнение сверточных нейронных сетей для задач сортировки мусорных отходов

Показан процесс выбора сверточной сети для микрокомпьютера RaspberryPi, который является частью фандомата – устройства для сбора и сортировки пластиковых бутылок и алюминиевых банок. Для обучения были выбраны три нейронные сети: AlexNet, SqueezeNet и MobileNet. Обучение производилось с помощью Transfer Learning двумя способами: заменой последнего слоя классификатора с последующим обучением и настрой-кой всей сети. В качестве фреймворка для запуска нейронных сетей был выбран Caffe как наиболее популяр-ный. Приведены результаты правильного распознавания для проверочной выборки, состоящей из 2300 фотографий, включающих фотографии банок, бутылок и «прочего мусора», а также более подробно описан ре-зультат проверки на небольшой тестовой выборке, состоящей из 30 фотографий. В работе приводятся временные характеристики работы нейронных сетей на компьютере и на RaspberryPi. В ходе экспериментов по-казано, что самый высокий процент правильного распознавания имеет сеть MobileNet, минимальное время, необходимое для обработки одного изображения на RaspberryPi, имеет сеть SqueezeNet.

Авторы: К. Р. Ахметзянов, А. А. Южаков

Направление: Автоматизация и управление

Ключевые слова: Классификации объектов, нейронные сети, сверточные нейронные сети, глубокое буче-ние, компьютерное зрение, сортировка отходов

---

Открыть полный текст статьи