(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111627826.7 (22)申请日 2021.12.28 (71)申请人 盛视科技股份有限公司 地址 518000 广东省深圳市福田区华 富街 道莲花一村社区彩田路7018号新浩壹 都A4201-420 6 （整层） 、 43整层、 45整层 (72)发明人 李晓凯　朱光强　王和平　 欧阳一村 　邓奇宝　罗富章　 (74)专利代理 机构 深圳市深软翰琪知识产权代 理有限公司 4 4380 专利代理师 吴雅丽 (51)Int.Cl. G06V 10/40(2022.01) G06V 20/40(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 垃圾分类模型训练方法、 分类方法、 装置及 可读存储介质 (57)摘要 本发明公开了一种垃圾分类模 型训练方法、 分类方法、 装置及可读存储介质， 涉及人工智能 技术。 所述垃圾分类模型训练方法包括： 获取关 联垃圾的图像数据； 构建映射以得到第一数据 集； 将第一数据集输入深度卷积神经网络进行训 练以构建预训练模型； 制作第二数据集； 将第一 数据集与第二数据集按预设比例进行权值共享 生成特征图， 特征图包括第三数据集、 第四数据 集； 将第四数据集输入残差网络分支中得到第一 输出； 将第三数据集、 第四数据集分别输入普通 网络分支中得到第二输出、 第三输出； 将第一输 出和第二输出相加并输入第一分类器， 将第三输 出输入第二 分类器； 经迭代直至网络收敛得到垃 圾分类模型。 本发明可兼顾人工分类成本和机器 对垃圾分类的准确度。 权利要求书2页 说明书7页 附图2页 CN 114445637 A 2022.05.06 CN 114445637 A 1.一种垃圾分类模型训练方法， 其特 征在于， 所述方法包括： 获取关联 垃圾的图像数据； 从所述图像数据中获取部分图像数据并构建映射以得到第一数据集， 其中， 所述第一 数据集包括所述部分图像数据中的多个第一样本及与相 应的所述第一样本对应的第一标 签； 将所述第一数据集输入深度卷积神经网络进行训练以构建预训练模型； 利用所述图像数据中的另一部分图像数据制作第 二数据集， 所述第 二数据集包括所述 另一部分图像数据中的多个第二样本及将各个所述第二样本输入所述预训练模型输出得 到的各个第二标签； 将所述第一数据集与 所述第二数据集按预设比例进行权值共享以生成特征图， 所述特 征图包括与所述第一数据集对应的第三数据集、 与所述第二数据集对应的第四数据集； 将所述第四数据集输入残差网络分支中以得到第一输出； 将所述第三数据集、 所述第 四数据集分别输入普通网络 分支中以得到对应所述第三数据集的第二输出、 对应所述第四 数据集的第三输出； 所述普通网络分支至少包括以下中的一种或多种： LeNet ‑5、 AlexNet及 VGGNet； 将所述第一输出和所述第 二输出相加并输入第 一分类器， 将所述第 三输出输入第 二分 类器； 其中， 所述第一分类 器和所述第二分类 器的损失函数均采用交叉熵损失函数； 经迭代直至网络收敛以得到训练好的垃圾分类模型。 2.根据权利要求1所述的垃圾分类模型训练方法， 其特 征在于， 所述获取关联 垃圾的图像数据包括： 从互联网中爬取关联垃圾的海量图像数据； 和/或， 从图像库中获取关联垃圾的图像数 据。 3.根据权利要求1所述的垃圾分类模型训练方法， 其特 征在于， 所述预设比例为1:9。 4.根据权利要求1所述的垃圾分类模型训练方法， 其特征在于， 所述第 一分类器的交叉 熵损失函数为： 其中， xi表示为样本， yi表示为与xi对应的标签， G表示 为第一分类 器， n表示 为样本数。 5.根据权利要求4所述的垃圾分类模型训练方法， 其特征在于， 所述第 二分类器的交叉 熵损失函数为： 其中， H表示 为第二分类 器； 所述第一分类器的交叉熵损失函数与所述第二分类器的交叉熵损失函数满足如下关 系： L＝argmin{α LG+(1‑α )LH}， α ∈(0,1) 其中， α 是权 重系数， L表示 为总的损失函数。 6.一种应用如权利要求1至6任一项所述的垃圾分类模型训练方法的垃圾分类方法， 其 特征在于， 所述方法包括：权　利　要　求　书 1/2 页 2 CN 114445637 A 2获取待分析图像； 利用所述垃圾分类模型判断所述待分析图像中的垃圾种类； 若判断出 所述待分析图像中的垃圾种类， 则输出 垃圾种类信息 。 7.根据权利要求6所述的垃圾分类方法， 其特 征在于， 所述方法还 包括： 根据所述垃圾种类信息控制预设 设备将垃圾 运载至预设位置 。 8.一种垃圾分类模型训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取关联 垃圾的图像数据； 第一数据集制作模块， 用于从所述图像数据中获取部分图像数据并构建映射以得到第 一数据集， 其中， 所述第一数据集包括所述部分图像数据中的多个第一样本及与相应的所 述第一样本对应的第一标签； 模型预构建模块， 用于将所述第 一数据集输入深度 卷积神经网络进行训练以构建预训 练模型； 第二数据集制作模块， 用于利用所述图像数据中的另一部分图像数据制作第二数据 集， 所述第二数据集包括所述另一部分图像数据中的多个第二样本及将各个所述第二样本 输入所述预训练模型输出 得到的各个第二标签； 特征图生成模块， 用于将所述第 一数据集与所述第 二数据集按预设比例进行权值共享 以生成特征图， 所述特征图包括与所述第一数据集对应的第三数据集、 与所述第二数据集 对应的第四数据集； 输入模块， 用于将所述第 四数据集输入残差网络分支中以得到第一输出； 将所述第三 数据集、 所述第四数据集分别输入普通网络分支中以得到对应所述第三数据集的第二输 出、 对应所述第四数据集的第三输出； 所述普通网络分支至少包括以下中的一种或多种： LeNet‑5、 AlexNet及VG GNet； 输出模块， 用于将所述第一输出和所述第二输出相加并输入第一分类器， 将所述第三 输出输入第二分类器； 其中， 所述第一分类器和所述第二分类器的损失函数均采用交叉熵 损失函数； 迭代模块， 用于经迭代直至网络收敛以得到训练好的垃圾分类模型。 9.一种计算机， 其特征在于， 所述计算机装置包括处理器， 所述处理器用于执行存储器 中存储的计算机程序时实现如权利要求1 ‑5中任一项所述的垃圾分类模型训练方法和/或 如权利要求6 ‑7任意一项所述的垃圾分类方法中的步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时实现如权利要求1 ‑5中任一项所述的垃圾分类模型训练方法和/或如权利要求6 ‑7 任意一项所述的垃圾分类方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114445637 A 3