家用垃圾图像识别新基准
计算机视觉与模式识别
2022-02-25 v1
摘要
家用垃圾图像通常面临复杂背景、多变光照、多样角度和易变形状，这给垃圾图像分类带来了很大困难。由于能够发现特定问题的特征，深度学习和特别是卷积神经网络（CNNs）已成功且广泛地用于图像表示学习。然而，可用且稳定的家用垃圾数据集不足，严重限制了研究与应用的发展。此外，垃圾图像分类领域的最先进水平尚不完全清晰。为解决此问题，本研究通过模拟不同光照、背景、角度和形状，构建了一个用于家用垃圾图像分类的新的开放基准数据集。该数据集命名为家用垃圾图像30类（HGI-30），包含30个家用垃圾类别的18,000张图像。公开可用的HGI-30数据集使研究者能够开发准确且鲁棒的家用垃圾识别方法。我们还在HGI-30上进行了最先进深度CNN方法的实验与性能分析，作为该基准的基线结果。
引用
@article{arxiv.2202.11878,
title = {New Benchmark for Household Garbage Image Recognition},
author = {Zhize Wu and Huanyi Li and Xiaofeng Wang and Zijun Wu and Le Zou and Lixiang Xu and Ming Tan},
journal= {arXiv preprint arXiv:2202.11878},
year = {2022}
}