文献综述
【摘要】在现实生活中，垃圾形态、拍照角度、光线、背景等都存在差异，要精准的识别垃圾分类，需要加入更多的数据样本。
传统的目标检测以手工特征检测算法为主，识别效果不够好，准确率不高，计算量特别大，运行速度很慢，可能会产生多个正确的识别结果。
为了快速推进垃圾分类地有效进行垃圾分类，构建基于深度学习技术的图像分类模型，进而精准地识别各种垃圾图片，减轻城市居民在垃圾分类方面产生的困扰。
【关键词】垃圾分类；深度学习；图像识别 【Abstract】In real life, there are differences in garbage form, camera angle,light,background,etc. To accurately identify garbage classification, more data samples need to be added. Traditional target detection is mainly based on manual feature detection algorithm, which is not good enough in recognition effect, low in accuracy, particularly large in calculation and slow in operation, and may produce multiple correct recognition results. In order to quickly promote garbage classification and effectively classify garbage, an image classification model based on deep learning technology is constructed, so as to accurately identify all kinds of garbage pictures and alleviate the troubles of urban residents in garbage classification.【Keywords】garbage classification；Deep learning；image recognition1前言近年来，伴随着世界经济发展水平的稳步提升，我国的生活垃圾的生产方式越来越多元化且越来越复杂，而全球的垃圾产出量也出现了断崖式的上升。
怎样对垃圾进行快速分类以及怎样对垃圾进行再循环已经成为制约人类可持续发展的一大阻碍。
深度学习（Deep Learning Technology）在最近几年一直是人工智能领域的一个重要研究方向，它模仿了人类的神经元结构，从特征抽取、数据特征融合、非线性变换等方面，学习了样本数据的固有规则和表达层次。
在深度学习对象检测模型的基础上，对其进行了改进，使其精度得到了进一步的提高，并使其训练的速度大大加快。
在此基础上，提出了一种基于图像特征的新方法，该方法能够有效地识别出图像的特征，从而有效地识别出图像的特征。
首先，通过对垃圾分类的分析，可以帮助人们正确、合理地进行垃圾分类，特别是在我国的垃圾分类管理初期，人们对垃圾分类的认识还不够充分，必须采用相关的科技手段。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
