EWasteNet：一种用于电子废弃物分类的双流数据高效图像Transformer方法
计算机视觉与模式识别
2023-11-23 v1 人工智能
摘要
电子废弃物的不当处置带来全球环境与健康风险，引发严重关切。电子废弃物图像的准确分类对于高效管理与回收至关重要。本文提出了一个由八类电子设备图像组成的综合数据集，称为E-Waste Vision Dataset。我们还提出了EWasteNet，一种基于数据高效图像Transformer（DeiT）的用于精确电子废弃物图像分类的新颖双流方法。EWasteNet的第一流经过sobel算子以检测边缘，而第二流经过空洞空间金字塔池化与注意力模块以捕获多尺度上下文信息。我们同时训练两流，并在决策层融合其特征。DeiT用作两流的骨干网络。对电子废弃物数据集的广泛分析表明了我们所提方法的有效性，在电子废弃物分类中取得了96%的准确率。所提方法在应对电子废弃物管理这一全球关切方面展现出显著效用，它通过准确分类电子废弃物图像来促进高效废弃物管理与回收，降低不当处置带来的健康与安全隐患。
引用
@article{arxiv.2311.12823,
title = {EWasteNet: A Two-Stream Data Efficient Image Transformer Approach for E-Waste Classification},
author = {Niful Islam and Md. Mehedi Hasan Jony and Emam Hasan and Sunny Sutradhar and Atikur Rahman and Md. Motaharul Islam},
journal= {arXiv preprint arXiv:2311.12823},
year = {2023}
}
备注
6 pages