[论文解读] Fine-Tuning Models Comparisons on Garbage Classification for Recyclability

Umut Özkaya, Levent Seyfi|arXiv (Cornell University)|Aug 7, 2019

Advanced Neural Network Applications参考文献 7被引用 47

一句话总结

论文评估经过微调的 CNN 架构（AlexNet、VGG16、GoogLeNet、ResNet）与 Softmax 和 SVM 分类器在垃圾类型分类上的性能，使用 2527 张图像的数据集，在 GoogleNet+SVM 下达到最高 97.86% 的准确率。

ABSTRACT

In this study, it is aimed to develop a deep learning application which detects types of garbage into trash in order to provide recyclability with vision system. Training and testing will be performed with image data consisting of several classes on different garbage types. The data set used during training and testing will be generated from original frames taken from garbage images. The data set used for deep learning structures has a total of 2527 images with 6 different classes. Half of these images in the data set were used for training process and remaining part were used for testing procedure. Also, transfer learning was used to obtain shorter training and test procedures with and higher accuracy. As fine-tuned models, Alexnet, VGG16, Googlenet and Resnet structures were carried. In order to test performance of classifiers, two different classifiers are used as Softmax and Support Vector Machines. 6 different type of trash images were correctly classified the highest accuracy with GoogleNet+SVM as 97.86%.

研究动机与目标

• 开发一个深度学习应用，从图像中分类垃圾类型以用于可回收性。
• 评估在一个6类垃圾数据集上多种经过微调的 CNN 架构的表现。
• 使用迁移学习评估两种分类器（Softmax、Support Vector Machines）。
• 确定实现高准确度的最佳模型和分类器组合。

提出的方法

• 在一个6类垃圾数据集（2527 张图片）上使用 AlexNet、VGG16、GoogLeNet 和 ResNet 进行迁移学习。
• 将数据集分为 50% 训练集和 50% 测试集。
• 比较 Softmax 和 SVM 作为最终分类器。
• 报告每个模型-分类器对的准确性，以确定表现最佳的配置。

实验结果

研究问题

• RQ1 哪种经过微调的 CNN 架构在垃圾可回收性分类中产生最高的分类准确率？
• RQ2 对于这些经过微调的模型，使用 SVM 分类器是否比 Softmax 提升性能？
• RQ3 迁移学习如何影响少量垃圾图像数据集上的训练效率和准确性？
• RQ4 在6个垃圾类别中，哪种模型-分类器组合最佳？
• RQ5 基于视觉的垃圾类型检测器用于可回收性的总体可行性如何？

主要发现

• GoogleNet 配合 SVM 实现了最高准确度 97.86%。
• 本研究表明迁移学习可以在保持高准确性的同时缩短小数据集上的训练和测试过程。
• 在测试的架构中，AlexNet、VGG16、GoogLeNet 和 ResNet 同时使用 Softmax 和 SVM 分类器进行评估。
• 使用两种分类器（Softmax 和 SVM）来评估它们在不同模型上的最终性能影响。
• 数据集包含 2527 张图像，覆盖 6 个垃圾类别，训练/测试分割为 50/50。