生活垃圾分类数据集与神经网络模型（附已训练模型）

5星

浏览量: 0

大小:None

文件类型：None

简介：
本作品提供了一个全面的生活垃圾分类数据集，并构建了基于神经网络的分类模型。此外还包含一个经过充分训练的模型供用户直接使用。本数据集包含18848张图片，其中训练数据为14683张，测试数据为4165张，所有图片均已标注标签。整个数据集分为4个大类和40个小类，每个类别至少有200多张图片。此外还提供博主使用该数据集训练的模型文件（采用残差神经网络），准确率稳定在95%以上。为了方便导入，请将.ms文件放置于DevEco Studio中的resources/rawfile目录或Android Studio中的main/assets/model目录下。本人通过CMake编译成so库后，将其作为第三方so库导入到应用中。如果您有任何问题，欢迎随时联系我。

全部评论 (0)

还没有任何评论哟~

客服

生活垃圾分类数据集与神经网络模型（附已训练模型）

优质

本作品提供了一个全面的生活垃圾分类数据集，并构建了基于神经网络的分类模型。此外还包含一个经过充分训练的模型供用户直接使用。本数据集包含18848张图片，其中训练数据为14683张，测试数据为4165张，所有图片均已标注标签。整个数据集分为4个大类和40个小类，每个类别至少有200多张图片。此外还提供博主使用该数据集训练的模型文件（采用残差神经网络），准确率稳定在95%以上。为了方便导入，请将.ms文件放置于DevEco Studio中的resources/rawfile目录或Android Studio中的main/assets/model目录下。本人通过CMake编译成so库后，将其作为第三方so库导入到应用中。如果您有任何问题，欢迎随时联系我。

生活垃圾分类模型与数据集分析

优质

本研究聚焦于构建及优化生活垃圾分类的数据模型，并通过详实数据分析推动更高效的分类策略，助力环保事业。达摩院模型开源平台ModelScope上的ConvNext生活垃圾分类模型提供了一个包含147674张带中文标签的生活垃圾图像的数据集，并且支持免费下载。该数据集包括可回收垃圾、厨余垃圾、有害垃圾和其他垃圾四大类，涵盖了食品、厨房用品、家具和家电等265个常见的小分类。训练集中有133038张图片，验证集中包含14642张图片。这些图像均从海量中文互联网社区中提取并整理出频率较高的常见生活垃圾名称，数据集大小为13GB。

基于CNN的垃圾分类神经网络模型

优质

本研究提出了一种基于卷积神经网络（CNN）的高效垃圾分类系统。通过深度学习技术自动识别和分类垃圾图像，提高资源回收效率与准确性。 CNN垃圾分类的神经网络模型是一种利用卷积神经网络技术对垃圾进行分类的方法。这种模型能够高效地识别不同类型的垃圾，并根据其特征将其归类到相应的类别中去。通过训练大量的图像数据，该模型可以学习并提取出与各类别相关的视觉特征，从而实现准确、快速的垃圾分类功能。

生活垃圾分类训练图像数据集（二）

优质

该数据集为“生活垃圾分类训练图像数据集（二）”，包含大量日常生活垃圾的高质量分类图片，旨在提升人工智能识别各类生活垃圾的能力，促进资源回收与环境保护。基于神经网络的生活垃圾分类图像数据集总共包含了可回收物、有害垃圾、厨余垃圾和其他垃圾四大类40个小类。其中其他垃圾有6种、厨余垃圾8种、有害垃圾3种，以及可回收物23种。每一种分类包含大约400张图片，整个数据集中共有1.7万余张图像。

生活垃圾分类训练图像数据集（二）.zip

优质

本资料包为生活垃圾分类训练图像数据集（二），包含多种生活垃圾的分类图片，旨在辅助开发高效的垃圾智能分类系统。基于神经网络的生活垃圾分类图像数据集总共包含了可回收物、有害垃圾、厨余垃圾和其他垃圾四大类40个小类。其中其他垃圾包含6种分类，厨余垃圾包括8种类型，有害垃圾有3种类别，而可回收物则涵盖了23个不同类别。每一种小类大约包含400张图片，整个数据集共包含了1.7万余张图像。

生活垃圾分类训练图像数据集（一）.zip

优质

该资料为生活垃圾分类训练图像数据集（一），包含多种生活垃圾的分类图片，旨在用于人工智能模型学习与识别不同垃圾类别。基于神经网络的生活垃圾分类图像数据集包括四大类共40个小类：可回收物、有害垃圾、厨余垃圾和其他垃圾。其中，“其他垃圾”包含6种类型，“厨余垃圾”有8种类型，有害垃圾含3种类别，而“可回收物”则涵盖23个类别。每个小类约有400张图片，整个数据集共有超过17,000张图像。

TensorFlow 2.0 - 垃圾分类的神经网络实现源码，附带数据集和模型下载链接

优质

本项目提供基于TensorFlow 2.0实现的垃圾分类神经网络代码、预训练模型及数据集。适合机器学习爱好者与开发者实践应用。包含详细文档和使用教程，便于快速入门与上手操作。本段落介绍了一个使用TensorFlow 2.0实现垃圾分类的小白入门程序。该程序通过自建神经网络和VGG16迁移学习两种方式来完成任务，并提供了训练好的模型文件以及数据集。项目包含以下内容： - classify_garbage.py：基于自定义构建的神经网络进行分类。 - trans_classify_garbage.py：利用预训练的VGG16模型并进行微调（迁移学习）以适应垃圾分类的任务。 - test_garbage.py：用于测试已训练好的模型性能。数据集情况：共有四种不同类型的垃圾，每种类型在训练集中有1000个样本，在测试集中各有100个样本。所有文件均封装为压缩包形式供下载使用（具体下载方式请参见项目内的说明文档）。操作步骤如下： - 下载并解压包含模型和数据集的两个压缩文件。 - 将解压后得到的所有文件复制到工程目录下。 - 运行相应的Python脚本以完成训练或测试任务。

使用PyTorch进行垃圾分类，附带训练模型及数据集下载链接！

优质

本项目利用PyTorch框架开发了一个高效的垃圾分类系统，并提供了详细的训练模型和数据集下载链接。基于PyTorch的垃圾分类项目包含训练模型及数据集下载功能，涵盖多达200个类别。该项目提供了五种先进的图像分类网络，并支持知识蒸馏技术。代码中包括超过50种不同的模型选择，便于进行对比实验；每个模型都可使用ImageNet预训练权重。详情请参阅代码中的Readme文档。

基于数据集训练的垃圾分类识别模型开发描述

优质

本项目致力于开发一种高效的垃圾分类识别系统，通过深度学习算法和大规模数据集训练，提高垃圾准确分类的能力，助力环保事业。 ### 问题描述：垃圾分类 #### 基本功能要求： 1. **处理数据集**： - 下载的数据集中选择一部分（根据设备限制进行选择），并读入。 - **标准及原因**：为了确保模型训练的效率和效果，需要从原始数据中挑选出具有代表性的样本。具体来说，可以基于每个类别的样本数量、多样性以及代表性来决定选取哪些子集。例如，在“其他垃圾”、“厨余垃圾”和“可回收物”三大类别下分别选择有足够多样性和典型性的6小类、8小类和8小类进行训练。 - **处理数据集的代码**：使用Python中的Pandas库读取CSV文件，并利用Numpy对图像数据进行预处理，确保所有图片尺寸一致且归一化到0-1区间。特征维度为（样本数量, 图片高度, 图片宽度, 通道数），标签维度则根据分类数目确定。 2. **构建深度神经网络**： - 构建一个适合多类别分类任务的卷积神经网络模型，详细说明其结构，并绘制出该模型架构图。例如可以采用VGG或ResNet等现成预训练模型进行微调或者设计自定义CNN架构。 3. **训练模型及结果可视化**： - 利用选定的数据集对上述构建的深度学习模型进行训练，同时在每个epoch结束时记录并绘制损失函数和准确率的变化曲线。 4. **测试** - 在完成以上步骤之后，最后使用独立于训练数据集之外的一组样本（即验证或测试集）来评估整个系统的性能。

YOLOv7水下垃圾检测及预训练模型与数据集

优质

本项目基于YOLOv7框架开发，专注于水下环境中的垃圾检测。提供预训练模型和专用数据集，旨在促进水下环保领域的研究与应用。 YOLOv7水下垃圾检测项目包括训练好的模型权重以及PR曲线、loss曲线等相关数据。该项目使用了VOC格式的水下垃圾检测数据集，包含几千张通过lableimg软件标注的真实场景高质量图片，图片为jpg格式，并且标签以VOC和yolo两种格式保存在不同的文件夹中。这些图像涵盖了多种类型的海洋垃圾，包括金属、木头、塑料、橡胶和布料等多个类别目标。数据集中包含了丰富的不同场景的样本。