原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
先天下之忧而忧，后天下之乐而乐。——范仲淹
IntelligentProcessingandApplication
DOI·10.20257/j.issn.2025-2026.2025.08.026
基于卷积神经网络的垃圾图片处理与改进
尚志亮，王伟，杨，嘉明珍，马存良
江西理工大学信息工程学院江西赣州341000
（，）
针对垃圾图片背景复杂和数量少等情况导致的神经网络准确率不高和泛化能力弱的问题提出利用
摘要：，
CutMix数据增强技术对数据集进行扩展，并在VGG16网络模型的基础上分别加入L1、L2正则化构建更为具体的
损失函数防止过拟合现象的发生将上述改进分为8种模型对4大类30个小类的14921张垃圾图像分别训练
，。，，
得到准确率和损失值实验结果表明原VGG16网络模型的准确率为91.17%加入L1正则化并将数据集利用数
。，；
据增强技术扩展增加9350张图片后准确率提升最大为92.26%提升幅度为1.09%通过对比分析改进后的网
，，。，
络无论是准确率还是泛化能力都有了明显的提升此外在单独引入L1正则化或L2正则化后模型的损失函数
；，，
变得光滑且不再过早趋于平稳有效避免了过拟合和梯度消失情况的发生改善了网络的整体性能
，，。
垃圾分类深度学习卷积神经网络正则化VGG16图像分类CutMix
关键词：；；；；；；
中图分类号：文献标识码：文章编号：
TP301A2095-1302202208-0093-04
（）
0引言1数据集获取
随着城市化的快速发展和人口数量的增加我国城市垃数据集主要通过网络采集获得包括有害垃圾可回收
，，
文档评论（0）