[論文レビュー] Towards artificially intelligent recycling Improving image processing for waste classification

Youpeng Yu, Ryan Grammenos|arXiv (Cornell University)|Aug 9, 2021

Recycling and Waste Management Techniques参考文献 12被引用数 6

ひとこと要約

本稿では、リサイクルシステムにおけるごみ分類の正確性を向上させるために、データ拡張を活用した転移学習ベースの畳み込みニューラルネットワーク（CNN）を提案する。ハイパーパrameterの最適化および回転、反転、明るさ制御などの技術を適用することで、モデルは95.40%のテスト精度を達成し、標準のウェブカメラを用いてリアルタイム分類が可能であることが示された。

ABSTRACT

The ever-increasing amount of global refuse is overwhelming the waste and recycling management industries. The need for smart systems for environmental monitoring and the enhancement of recycling processes is thus greater than ever. Amongst these efforts lies IBM's Wastenet project which aims to improve recycling by using artificial intelligence for waste classification. The work reported in this paper builds on this project through the use of transfer learning and data augmentation techniques to ameliorate classification accuracy. Starting with a convolutional neural network (CNN), a systematic approach is followed for selecting appropriate splitting ratios and for tuning multiple training parameters including learning rate schedulers, layers freezing, batch sizes and loss functions, in the context of the given scenario which requires classification of waste into different recycling types. Results are compared and contrasted using 10-fold cross validation and demonstrate that the model developed achieves a 91.21% test accuracy. Subsequently, a range of data augmentation techniques are then incorporated into this work including flipping, rotation, shearing, zooming, and brightness control. Results show that these augmentation techniques further improve the test accuracy of the final model to 95.40%. Unlike other work reported in the field, this paper provides full details regarding the training of the model. Furthermore, the code for this work has been made open-source and we have demonstrated that the model can perform successful real-time classification of recycling waste items using a standard computer webcam.

研究の動機と目的

• 画像ベースのリサイクルごみ分類の正確性を、深層学習を用いて向上させること。
• 有効なデータ拡張を用いて、アノテート済みの廃棄物画像データセットが限られているという課題に対処すること。
• 学習率、バッチサイズ、損失関数などのハイパーパrameterを最適化し、モデルの汎化性能を向上させること。
• 一般消費者用のウェブカメラを用いてリアルタイム分類が可能なデプロイ可能なシステムを開発すること。
• 再現可能性およびコミュニティ利用を促進するため、完全なトレーニング詳細とオープンソースコードを提供すること。

提案手法

• 独自の廃棄物画像データセットを用いて、事前学習済みCNNを微調整する転移学習の適用。
• 学習率スケジューラー、バッチサイズ、レイヤーの凍結戦略を含むハイパーパrameterの体系的チューニング。
• 複数のデータ拡張技術の適用：ランダムな反転、回転、シアー、ズーム、明るさ調整。
• モデルの性能を評価するため、10分割交差検証を用いて、堅牢性および汎化性能を確認。
• 実用的デプロイメントを実現するため、標準のコンピュータウェブカメラを用いたリアルタイム推論パイプラインの実装。
• 効果的な学習収束を実現するため、カテゴリカル・クロスエントロピー損失関数とAdam最適化手法の使用。

実験結果

リサーチクエスチョン

• RQ1 限られたデータを有する廃棄物画像データセットにおいて、転移学習が分類正確性を顕著に向上させ得るか？
• RQ2 さまざまなデータ拡張技術が、廃棄物分類におけるCNNの汎化性能および正確性にどのように影響を与えるか？
• RQ3 この特定のリサイクル文脈において、最高のテスト正確性を達成する最適なハイパーパrameterの組み合わせは何か？
• RQ4 微調整されたディープラーニングモデルは、一般消費者用のハードウェアおよびウェブカメラを用いてリアルタイム性能を達成できるか？
• RQ5 完全なトレーニング詳細およびオープンソースコードは、環境AIアプリケーションにおける再現可能性および採用促進にどの程度寄与するか？

主な発見

• 転移学習とハイパーパramータチューニングを用いたベースモデルは、テスト正確度91.21%を達成した。
• データ拡張技術を統合した後、モデルのテスト正確度は95.40%に向上した。
• 最終的なモデルは、標準のコンピュータウェブカメラを用いてリサイクルごみのアイテムを成功裏にリアルタイムで分類した。
• 10分割交差検証の結果、異なるデータ分割において一貫した性能が確認された。
• 完全なトレーニングパイプラインとコードはオープンソースとして公開され、完全な再現性が可能となった。
• 学習率スケジューラーやバッチサイズを含む詳細なハイパーパラメータ設定が、モデルの堅牢性に寄与したことが明らかになった。