CN113139561B - 一种垃圾分类方法、装置、终端设备及存储介质 - Google Patents
一种垃圾分类方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN113139561B CN113139561B CN202010054689.1A CN202010054689A CN113139561B CN 113139561 B CN113139561 B CN 113139561B CN 202010054689 A CN202010054689 A CN 202010054689A CN 113139561 B CN113139561 B CN 113139561B
- Authority
- CN
- China
- Prior art keywords
- garbage
- classification
- classified
- word
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013145 classification model Methods 0.000 claims abstract description 60
- 238000012549 training Methods 0.000 claims abstract description 48
- 239000013598 vector Substances 0.000 claims description 98
- 238000004590 computer program Methods 0.000 claims description 23
- 238000011176 pooling Methods 0.000 claims description 20
- 239000002699 waste material Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013140 knowledge distillation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请适用于计算机技术领域,提供了垃圾分类方法、装置、终端设备及存储介质,垃圾分类方法包括:获取待分类垃圾的图像;若获取到与待分类垃圾的信息对应的语音数据,将语音数据和待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的。本申请可以准确识别出垃圾类别,实现垃圾的精准分类。
Description
技术领域
本申请属于计算机技术领域,尤其涉及一种垃圾分类方法、装置、终端设备及存储介质。
背景技术
随着社会的发展,人们生活水平日益提高,同时垃圾的产生也成指数增长。若垃圾的处理不当将会给人类的健康带来极大的威胁,因此,垃圾分类迫在眉睫。但是,垃圾分类的知识纷繁复杂,人们必须花费很长的时间去学习相关知识,才能对垃圾进行准确的分类。现有的垃圾分类效率低、且不能对垃圾进行精准分类。
发明内容
有鉴于此,本申请实施例提供了垃圾分类方法、装置、终端设备及存储介质,以解决现有技术中垃圾分类效率低、不能对垃圾进行精准分类的问题。
本申请实施例的第一方面提供了一种垃圾分类方法,包括:
获取待分类垃圾的图像;
若获取到与所述待分类垃圾的信息对应的语音数据,将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,所述第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的。
在一种可能的实现方式中,所述第一分类模型包括语音识别模型和图像识别模型;所述将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别,具体包括:
将所述语音数据输入所述语音识别模型,以输出第一分类特征;
将所述待分类垃圾的图像输入所述图像识别模型,以输出第二分类特征;
将所述第一分类特征和所述第二分类特征进行拼接,以根据拼接结果输出待分类垃圾的类别。
在一种可能的实现方式中,所述将所述语音数据输入所述语音识别模型,以输出第一分类特征,具体包括:
将所述语音数据转化为文本数据;
对所述文本数据进行词嵌入,以得到每个词语对应的词语向量,其中,所述词语向量包括第一词语特征信息和词语位置信息;
根据所述每个词语对应的第一词语特征信息和词语位置信息计算每个词语的自注意力;
根据每个词语的自注意力提取每个词语对应的第二词语特征信息;
根据所述每个词语的第二词语特征信息输出所述第一分类特征。
在一种可能的实现方式中,所述图像识别模型是以垃圾图像和对应的预测概率为训练样本进行训练得到的,其中,所述预测概率为将所述垃圾图像输入预设图像分类模型后得到的,所述预设图像分类模型是以垃圾图像和对应的垃圾类别为训练样本进行训练得到的。
在一种可能的实现方式中,所述第一分类特征为第一分类向量,所述第二分类特征为第二分类向量;所述将所述第一分类特征和所述第二分类特征进行拼接,包括:
将所述第一分类向量和所述第二分类向量相加。
在一种可能的实现方式中,所述获取待分类垃圾的图像之后,所述方法还包括:
若未获取到与所述待分类垃圾的信息对应的语音数据,将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,其中,所述第二分类模型是以垃圾图像以及垃圾类别为训练样本,对第二网络模型进行训练得到的。
在一种可能的实现方式中,所述将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,具体包括:
提取所述待分类垃圾的图像的特征;
对所述待分类垃圾的图像的特征进行全局平均池化,以得到第一图像特征向量;
对所述待分类垃圾的图像的特征进行全局最大化池化,以得到第二图像特征向量;
将所述第一图像特征向量和所述第二图像特征向量相加,以得到第三图像特征向量;
根据所述第三图像特征向量和所述待分类垃圾的图像的特征输出待分类垃圾的类别。
在一种可能的实现方式中,所述根据所述第三图像特征向量和所述待分类垃圾的图像的特征输出待分类垃圾的类别,具体包括:
将所述第三图像特征向量进行线性变换,以得到对应的分类概率;
将所述分类概率与所述第三图像特征向量相乘,以得到第一注意力特征图;
对所述第一注意力特征图分别进行全局平均池化和全局最大化池化,以计算与所述第一注意力特征图对应的第二注意力特征图;
根据所述第一注意力特征图和所述第二注意力特征图输出待分类垃圾的类别。
本申请实施例的第二方面提供了一种垃圾分类装置,包括:
获取模块,用于获取待分类垃圾的图像;
分类模块,用于若获取到与所述待分类垃圾的信息对应的语音数据,将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,所述第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的。
在一种可能的实现方式中,所述第一分类模型包括语音识别模型和图像识别模型;所述分类模块包括:
第一分类单元,用于将所述语音数据输入所述语音识别模型,以输出第一分类特征;
第二分类单元,用于将所述待分类垃圾的图像输入所述图像识别模型,以输出第二分类特征;
拼接单元,用于将所述第一分类特征和所述第二分类特征进行拼接,以根据拼接结果输出待分类垃圾的类别。
在一种可能的实现方式中,所述第一分类单元具体用于:
将所述语音数据转化为文本数据;
对所述文本数据进行词嵌入,以得到每个词语对应的词语向量,其中,所述词语向量包括第一词语特征信息和词语位置信息;
根据所述每个词语对应的第一词语特征信息和词语位置信息计算每个词语的自注意力;
根据每个词语的自注意力提取每个词语对应的第二词语特征信息;
根据所述每个词语的第二词语特征信息输出所述第一分类特征。
在一种可能的实现方式中,所述图像识别模型是以垃圾图像和对应的预测概率为训练样本进行训练得到的,其中,所述预测概率为将所述垃圾图像输入预设图像分类模型后得到的,所述预设图像分类模型是以垃圾图像和对应的垃圾类别为训练样本进行训练得到的。
在一种可能的实现方式中,所述第一分类特征为第一分类向量,所述第二分类特征为第二分类向量;所述拼接单元具体用于:
将所述第一分类向量和所述第二分类向量相加。
在一种可能的实现方式中,所述垃圾分类装置还包括图像处理模块,所述图像处理模块用于:
若未获取到与所述待分类垃圾的信息对应的语音数据,将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,其中,所述第二分类模型是以垃圾图像以及垃圾类别为训练样本,对第二网络模型进行训练得到的。
在一种可能的实现方式中,所述图像处理模块包括:
第一计算单元,用于提取所述待分类垃圾的图像的特征;
第二计算单元,用于对所述待分类垃圾的图像的特征进行全局平均池化,以得到第一图像特征向量;
第三计算单元,用于对所述待分类垃圾的图像的特征进行全局最大化池化,以得到第二图像特征向量;
第四计算单元,用于将所述第一图像特征向量和所述第二图像特征向量相加,以得到第三图像特征向量;
第三分类单元,用于根据所述第三图像特征向量和所述待分类垃圾的图像的特征输出待分类垃圾的类别。
在一种可能的实现方式中,所述第三分类单元具体用于:
将所述第三图像特征向量进行线性变换,以得到对应的分类概率;
将所述分类概率与所述第三图像特征向量相乘,以得到第一注意力特征图;
对所述第一注意力特征图分别进行全局平均池化和全局最大化池化,以计算与所述第一注意力特征图对应的第二注意力特征图;
根据所述第一注意力特征图和所述第二注意力特征图输出待分类垃圾的类别。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述垃圾分类的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述垃圾分类方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述垃圾分类方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:通过获取待分类垃圾的图像,若获取到与待分类垃圾的信息对应的语音数据,将语音数据和待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别,通过第一分类模型即可实现垃圾的分类,分类效率高。由于第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的,因此,第一分类模型结合待分类垃圾的图像和待分类垃圾的信息对应的语音数据,可以准确识别出垃圾类别,实现垃圾的精准分类。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的垃圾分类方法的应用场景图;
图2是本申请实施例提供的垃圾分类方法的实现流程示意图;
图3是本申请实施例提供的垃圾分类方法的一个子步骤的流程示意图;
图4为本申请实施例提供的语音识别模型的结构图;
图5为本申请实施例提供的图像识别模型的结构图;
图6为本申请实施例提供的第一分类特征和第二分类特征的拼接示意图;
图7是本申请实施例提供的垃圾分类方法的另一个子步骤的流程示意图;
图8为本申请实施例提供的第二分类模型的结构图;
图9是本申请实施例提供的垃圾分类装置的示意图;
图10是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,本申请实施例提供的垃圾分类方法应用于垃圾分类系统,垃圾分类系统包括终端设备100、检测设备200和控制设备300,检测设备200检测到有待分类垃圾投放时,检测待分类垃圾的图像信息和对应的语音数据,将检测结果发送至终端设备100,终端设备100根据接收到的检测结果,采用下述实施例提供的垃圾分类方法识别出待分类垃圾的类别,将识别出的待分类垃圾的类别发送至控制设备300;控制设备300根据识别出的待分类垃圾的类别控制机械臂将待分类垃圾投入对应的垃圾桶内。
下面对本申请实施例提供的垃圾分类方法进行描述,请参阅附图2,本申请实施例提供的垃圾分类方法包括:
S101:获取待分类垃圾的图像。
具体地,检测设备包括用于拍摄待分类垃圾的图像的图像采集模块,终端设备获取图像采集模块发送的待分类垃圾的图像。
S102:若获取到与所述待分类垃圾的信息对应的语音数据,将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,所述第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的。
具体地,检测设备还包括语音采集模块,当检测到有待分类垃圾时,语音采集模块被激活,当用户选择录音时,启动录音功能,采集与待分类垃圾的信息对应的语音数据。终端设备将待分类垃圾的图像和语音数据输入第一分类模型,识别出待分类垃圾的类别。
在一种可能的实现方式中,终端设备在将待分类垃圾的图像和语音数据输入第一分类模型之前,首先进行预处理操作,预处理操作包括图像预处理和语音预处理。
图像预处理的目的是对待分类垃圾的图像进行亮度增强。具体地,根据线性函数pixel=min(255,max(0,1.5*pixel+10))对待分类垃圾的图像的每个像素进行线性变化,以增强图像亮度。其中,pixel表示像素值,min为求最小值运算,max为求最大值运算。可选的,对每个像素进行线性变化后,将图像的每个特征通道减去该通道的均值,以对待分类垃圾的图像进行归一化处理。
语音预处理的目的是提取出语音特征。具体地,先对语音数据进行去除噪声的处理,然后对去除噪声的语音数据进行分帧处理,再计算出分帧处理后每帧数据对应的梅尔倒谱系数特征。
本实施例中,对待分类垃圾的类别进行识别前,首先对第一网络模型进行训练,以得到第一分类模型。具体地,将预设数量的垃圾图像以及与垃圾图像对应的语音数据输入第一网络模型,得到目标值,根据目标值与对应的垃圾类别的差异优化第一网络模型的参数。当目标值与对应的垃圾类别的差异满足预设条件时,得出第一网络模型的最优参数,即第一分类模型的参数。
如图3所示,在一种可能的实现方式中,第一分类模型包括语音识别模型和图像识别模型,S102包括S201-S203。
S201:将所述语音数据输入所述语音识别模型,以输出第一分类特征。
在一种可能的实现方式中,如图4所示,将根据语音数据提取的梅尔倒谱系数特征转化为文本数据,对文本数据进行词嵌入,得到与每个词语的第一词语特征信息对应的特征向量,以及与每个词语的词语位置信息对应的绝对位置编码向量,每个词语的特征向量和绝对位置编码向量相加,即得到每个词语对应的词语向量。根据每个词语对应的词语向量可得出每个词语的多头自注意力,其中,多头自注意力是反映当前词语与文本数据中每个词语的关联关系的变量,多头自注意力的计算过程为现有技术,在此不再赘述。将每个词语的多头自注意力输入双向长短期记忆网络LSTM,即前向LSTM和反向LSTM,其中,LSTM为双层结构网络,文本数据输入前向LSTM和反向LSTM后,每个词语均对应一个正向输出向量和一个反向输出向量,根据每个词语对应的正向输出向量和反向输出向量得到文本数据对应的文本向量。本实施例中,将每个词语的正向输出向量和反向输出向量进行拼接,得到每个词语的拼接向量。计算每个词语的拼接向量与文本向量的余弦相似度。将所有的余弦相似度转换为概率分布,得到与每个词语对应的概率,概率表示该词语对文本向量的贡献率。将每个词语对应的贡献率与每个词语的拼接向量相乘,得到每个词语对应的第二词语特征信息,将每个词语对应的第二特征信息进行对应位累加,经过两层全连接网络得到最终的类别,即语音数据对应的第一分类特征。
S202:将所述待分类垃圾的图像输入所述图像识别模型,以输出第二分类特征。
其中,图像识别模型是以预处理后的垃圾图像及垃圾图像对应的垃圾类别为训练样本,对图像识别网络进行训练得到的。
在一种可能的实现方式中,图像识别模型是采用知识蒸馏的方法得到的。具体地,如图5所示,首先设计一个SENet网络,SENet网络包括20个残差块,将预设数量的垃圾图像输入SENet网络,根据输出的预测结果判断垃圾类别,根据由预测结果判断出的垃圾类别与垃圾图像对应的垃圾类别的差异优化SENet网络的参数,当由预测结果判断出的垃圾类别的准确度满足预设条件时,得到SENet网络的最优参数,即训练好的SENet网络。再将训练好的SENet网络输出的预测结果作为预测值,将垃圾图像作为输入图片输入图像识别网络,根据图像识别网络的输出结果与预测值的差异优化图像识别网络的参数,当图像识别网络的输出结果与预测值的差异满足预设条件时,得到图像识别网络的最优参数,即图像识别模型。
在一种可能的实现方式中,图像识别网络包括三个相同的卷积结构及两层全连接层,其中,卷积结构包括依次连接的普通卷积层、批归一化层、激活层、可分离的卷积层、批归一化层、激活层。将预处理后的垃圾图像依次经过三个卷积结构及两层全连接层,最后一层全连接层输出的结果即为图像识别网络的预测结果。
当获取到垃圾图像时,将垃圾图像输入图像识别模型,图像识别模型的输出结果为第二分类特征。由于图像识别模型是对训练好的SENet网络进行学习后得到的,相对于SENet网络计算速度快,且能保证计算的准确度。
S203:将所述第一分类特征和所述第二分类特征进行拼接,以根据拼接结果输出待分类垃圾的类别。
具体的,将第一分类特征和第二分类特征进行拼接,通过全连接层进行分类,输出待分类垃圾的类别。
在一种可能的实现方式中,如图6所示,第一分类特征为第一分类向量,第二分类特征为第二分类向量,将两个向量进行拼接,即将两个向量进行相加,例如,第一分类向量为a,为6维的向量,第二分类向量为b,为10维的向量,则将两个向量相加后得到向量c=[a,b],c为16维的向量。将相加后的向量输入全连接层,输出待分类垃圾的类别。
S103:若未获取到与所述待分类垃圾的信息对应的语音数据,将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,其中,所述第二分类模型是以垃圾图像以及垃圾类别为训练样本,对第二网络模型进行训练得到的。
具体地,当检测设备检测到有待分类垃圾时,激活语音采集模块,等待采集用户语音数据,为了快速确定垃圾的类别,设置若终端设备在设定时间内未采集到语音数据,则将待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别。
如图7所示,在一种可能的实现方式中,S103包括S301-S305。
S301:提取所述待分类垃圾的图像的特征。
具体地,将待分类垃圾的图像输入卷积网络提取待分类垃圾的图像的特征。
S302:对所述待分类垃圾的图像的特征进行全局平均池化,以得到第一图像特征向量。
具体地,将待分类垃圾的图像的特征依次经过全局平均池化层和全连接层,以分别进行卷积处理和线性变换,得到第一图像特征向量。
S303:对所述待分类垃圾的图像的特征进行全局最大化池化,以得到第二图像特征向量。
具体地,如图8所示,将待分类垃圾的图像的特征依次经过全局最大化池化层和全连接层,以分别进行卷积处理和线性变换,得到第二图像特征向量。
S304:将所述第一图像特征向量和所述第二图像特征向量相加,以得到第三图像特征向量。
S305:根据所述第三图像特征向量和所述待分类垃圾的图像的特征输出待分类垃圾的类别。
具体地,将第三图像特征向量进行线性变换,以得到对应的分类概率,将分类概率与第三图像特征向量相乘,以得到第一注意力特征图。再对第一注意力特征图分别进行全局平均池化和全局最大化池化,以计算与第一注意力特征图对应的第二注意力特征图,即对第一注意力特征图再经过S301-S304的处理得到对应的特征图。对第一注意力特征图重复执行10次S301-S304的处理,且每次输入卷积网络的数据为前两次输出的特征图的叠加。将最后一次输出的特征图依次经过两层全连接层,对输出结果进行概率变换,即得到分类概率,根据分类概率即可得出待分类垃圾的类别。
其中,上述第二分类模型的参数是预先对第二网络模型进行训练得到的,第二网络模型对训练样本中的垃圾图像经过步骤S301-S305的处理,根据输出结果与对应的垃圾类别的差异优化第二网络模型的参数,当第二网络模型的输出结果与对应的垃圾类别的差异满足预设条件时,得到第二网络模型的最优参数,即第二分类模型。
上述实施例中,通过获取待分类垃圾的图像,若获取到与待分类垃圾的信息对应的语音数据,将语音数据和待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别,通过第一分类模型即可实现垃圾的分类,分类效率高。由于第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的,因此,第一分类模型结合待分类垃圾的图像和待分类垃圾的信息对应的语音数据,可以准确识别出垃圾类别,实现垃圾的精准分类。若未获取到与待分类垃圾的信息对应的语音数据,将待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,由于第二分类模型是以垃圾图像以及垃圾类别为训练样本,对第二网络模型进行训练得到的,也可以实现垃圾的精准分类。用户可以根据需要选择是否进行语音输入,方便用户使用。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的垃圾分类方法,图9示出了本申请实施例提供的装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图9所示,垃圾分类装置包括,
获取模块10,用于获取待分类垃圾的图像;
分类模块20,用于若获取到与所述待分类垃圾的信息对应的语音数据,将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,所述第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的。
在一种可能的实现方式中,所述第一分类模型包括语音识别模型和图像识别模型;所述分类模块20包括:
第一分类单元,用于将所述语音数据输入所述语音识别模型,以输出第一分类特征;
第二分类单元,用于将所述待分类垃圾的图像输入所述图像识别模型,以输出第二分类特征;
拼接单元,用于将所述第一分类特征和所述第二分类特征进行拼接,以根据拼接结果输出待分类垃圾的类别。
在一种可能的实现方式中,所述第一分类单元具体用于:
将所述语音数据转化为文本数据;
对所述文本数据进行词嵌入,以得到每个词语对应的词语向量,其中,所述词语向量包括第一词语特征信息和词语位置信息;
根据所述每个词语对应的第一词语特征信息和词语位置信息计算每个词语的自注意力;
根据每个词语的自注意力提取每个词语对应的第二词语特征信息;
根据所述每个词语的第二词语特征信息输出所述第一分类特征。
在一种可能的实现方式中,所述图像识别模型是以垃圾图像和对应的预测概率为训练样本进行训练得到的,其中,所述预测概率为将所述垃圾图像输入预设图像分类模型后得到的,所述预设图像分类模型是以垃圾图像和对应的垃圾类别为训练样本进行训练得到的。
在一种可能的实现方式中,所述第一分类特征为第一分类向量,所述第二分类特征为第二分类向量;所述拼接单元具体用于:
将所述第一分类向量和所述第二分类向量相加。
在一种可能的实现方式中,所述垃圾分类装置还包括图像处理模块30,所述图像处理模块30用于:
若未获取到与所述待分类垃圾的信息对应的语音数据,将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,其中,所述第二分类模型是以垃圾图像以及垃圾类别为训练样本,对第二网络模型进行训练得到的。
在一种可能的实现方式中,所述图像处理模块30包括:
第一计算单元,用于提取所述待分类垃圾的图像的特征;
第二计算单元,用于对所述待分类垃圾的图像的特征进行全局平均池化,以得到第一图像特征向量;
第三计算单元,用于对所述待分类垃圾的图像的特征进行全局最大化池化,以得到第二图像特征向量;
第四计算单元,用于将所述第一图像特征向量和所述第二图像特征向量相加,以得到第三图像特征向量;
第三分类单元,用于根据所述第三图像特征向量和所述待分类垃圾的图像的特征输出待分类垃圾的类别。
在一种可能的实现方式中,所述第三分类单元具体用于:
将所述第三图像特征向量进行线性变换,以得到对应的分类概率;
将所述分类概率与所述第三图像特征向量相乘,以得到第一注意力特征图;
对所述第一注意力特征图分别进行全局平均池化和全局最大化池化,以计算与所述第一注意力特征图对应的第二注意力特征图;
根据所述第一注意力特征图和所述第二注意力特征图输出待分类垃圾的类别。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
图10是本申请实施例提供的终端设备的示意图。如图10所示,该实施例的终端设备包括:处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述垃圾分类方法实施例中的步骤,例如图2所示的步骤S101至S103。或者,所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能,例如图9所示模块10至30的功能。
示例性的,所述计算机程序13可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器11执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序13在所述终端设备中的执行过程。
所述处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器12可以是所述终端设备的内部存储单元,例如终端设备的硬盘或内存。所述存储器12也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器12还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解,图10仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种垃圾分类方法,其特征在于,包括:
获取待分类垃圾的图像;
若获取到与所述待分类垃圾的信息对应的语音数据,将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,所述第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的,
其中,所述将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别,包括:
将所述语音数据转化为文本数据;
对所述文本数据进行词嵌入,以得到每个词语对应的词语向量,其中,所述词语向量包括第一词语特征信息和词语位置信息;
根据所述每个词语对应的第一词语特征信息和词语位置信息计算每个词语的自注意力;
根据每个词语的自注意力提取每个词语对应的第二词语特征信息;
根据所述每个词语的第二词语特征信息输出第一分类特征;
根据所述第一分类特征,确定出待分类垃圾的类别。
2.如权利要求1所述的垃圾分类方法,其特征在于,所述第一分类模型包括图像识别模型;所述根据所述第一分类特征,确定出待分类垃圾的类别,具体包括:
将所述待分类垃圾的图像输入所述图像识别模型,以输出第二分类特征;
将所述第一分类特征和所述第二分类特征进行拼接,以根据拼接结果输出待分类垃圾的类别。
3.如权利要求2所述的垃圾分类方法,其特征在于,所述图像识别模型是以垃圾图像和对应的预测概率为训练样本进行训练得到的,其中,所述预测概率为将所述垃圾图像输入预设图像分类模型后得到的,所述预设图像分类模型是以垃圾图像和对应的垃圾类别为训练样本进行训练得到的。
4.如权利要求2所述的垃圾分类方法,其特征在于,所述第一分类特征为第一分类向量,所述第二分类特征为第二分类向量;所述将所述第一分类特征和所述第二分类特征进行拼接,包括:
将所述第一分类向量和所述第二分类向量相加。
5.如权利要求1所述的垃圾分类方法,其特征在于,所述获取待分类垃圾的图像之后,所述方法还包括:
若未获取到与所述待分类垃圾的信息对应的语音数据,将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别;其中,所述第二分类模型是以垃圾图像以及垃圾类别为训练样本,对第二网络模型进行训练得到的。
6.如权利要求5所述的垃圾分类方法,其特征在于,所述将所述待分类垃圾的图像输入第二分类模型,以输出待分类垃圾的类别,具体包括:
提取所述待分类垃圾的图像的特征;
对所述待分类垃圾的图像的特征进行全局平均池化,以得到第一图像特征向量;
对所述待分类垃圾的图像的特征进行全局最大化池化,以得到第二图像特征向量;
将所述第一图像特征向量和所述第二图像特征向量相加,以得到第三图像特征向量;
根据所述第三图像特征向量和所述待分类垃圾的图像的特征输出待分类垃圾的类别。
7.一种垃圾分类装置,其特征在于,包括:
获取模块,用于获取待分类垃圾的图像;
分类模块,用于若获取到与所述待分类垃圾的信息对应的语音数据,将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别;其中,所述第一分类模型是以垃圾图像、垃圾信息对应的语音数据以及垃圾类别为训练样本,对第一网络模型进行训练得到的,其中,所述将所述语音数据和所述待分类垃圾的图像输入第一分类模型,以输出待分类垃圾的类别,包括:
将所述语音数据转化为文本数据;
对所述文本数据进行词嵌入,以得到每个词语对应的词语向量,其中,所述词语向量包括第一词语特征信息和词语位置信息;
根据所述每个词语对应的第一词语特征信息和词语位置信息计算每个词语的自注意力;
根据每个词语的自注意力提取每个词语对应的第二词语特征信息;
根据所述每个词语的第二词语特征信息输出第一分类特征;
根据所述第一分类特征,确定出待分类垃圾的类别。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010054689.1A CN113139561B (zh) | 2020-01-17 | 2020-01-17 | 一种垃圾分类方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010054689.1A CN113139561B (zh) | 2020-01-17 | 2020-01-17 | 一种垃圾分类方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139561A CN113139561A (zh) | 2021-07-20 |
CN113139561B true CN113139561B (zh) | 2024-05-03 |
Family
ID=76808573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010054689.1A Active CN113139561B (zh) | 2020-01-17 | 2020-01-17 | 一种垃圾分类方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139561B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120136B (zh) * | 2022-01-27 | 2022-06-17 | 人民中科(济南)智能技术有限公司 | 对垃圾进行分类的方法、装置以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073574A (zh) * | 2016-11-16 | 2018-05-25 | 三星电子株式会社 | 用于处理自然语言以及训练自然语言模型的方法和设备 |
CN109271976A (zh) * | 2018-11-21 | 2019-01-25 | 河南工业大学 | 一种基于语音图像双模态果蔬农产品智能识别装置 |
CN110110653A (zh) * | 2019-04-30 | 2019-08-09 | 上海迥灵信息技术有限公司 | 多特征融合的情绪识别方法、装置和存储介质 |
CN110189748A (zh) * | 2019-05-31 | 2019-08-30 | 百度在线网络技术(北京)有限公司 | 模型构建方法和装置 |
CN110210479A (zh) * | 2019-06-04 | 2019-09-06 | 天津大学 | 一种垃圾物品上的文字信息提取方法 |
CN110490246A (zh) * | 2019-08-15 | 2019-11-22 | 中云信安(深圳)科技有限公司 | 垃圾类别确定方法、装置、存储介质及电子设备 |
CN110482072A (zh) * | 2019-07-02 | 2019-11-22 | 上海净收智能科技有限公司 | 垃圾分类方法、系统、介质、垃圾收纳装置、及云端平台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9892745B2 (en) * | 2013-08-23 | 2018-02-13 | At&T Intellectual Property I, L.P. | Augmented multi-tier classifier for multi-modal voice activity detection |
-
2020
- 2020-01-17 CN CN202010054689.1A patent/CN113139561B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073574A (zh) * | 2016-11-16 | 2018-05-25 | 三星电子株式会社 | 用于处理自然语言以及训练自然语言模型的方法和设备 |
CN109271976A (zh) * | 2018-11-21 | 2019-01-25 | 河南工业大学 | 一种基于语音图像双模态果蔬农产品智能识别装置 |
CN110110653A (zh) * | 2019-04-30 | 2019-08-09 | 上海迥灵信息技术有限公司 | 多特征融合的情绪识别方法、装置和存储介质 |
CN110189748A (zh) * | 2019-05-31 | 2019-08-30 | 百度在线网络技术(北京)有限公司 | 模型构建方法和装置 |
CN110210479A (zh) * | 2019-06-04 | 2019-09-06 | 天津大学 | 一种垃圾物品上的文字信息提取方法 |
CN110482072A (zh) * | 2019-07-02 | 2019-11-22 | 上海净收智能科技有限公司 | 垃圾分类方法、系统、介质、垃圾收纳装置、及云端平台 |
CN110490246A (zh) * | 2019-08-15 | 2019-11-22 | 中云信安(深圳)科技有限公司 | 垃圾类别确定方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113139561A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860573B (zh) | 模型训练方法、图像类别检测方法、装置和电子设备 | |
CN106683680B (zh) | 说话人识别方法及装置、计算机设备及计算机可读介质 | |
CN108172213B (zh) | 娇喘音频识别方法、装置、设备及计算机可读介质 | |
US20190026605A1 (en) | Neural network model training method and apparatus, living body detecting method and apparatus, device and storage medium | |
CN109616097B (zh) | 语音数据处理方法、装置、设备及存储介质 | |
US20210065734A1 (en) | Audio scene recognition using time series analysis | |
CN112447189A (zh) | 语音事件检测方法、装置、电子设备及计算机存储介质 | |
CN109658921B (zh) | 一种语音信号处理方法、设备及计算机可读存储介质 | |
CN112149754B (zh) | 一种信息的分类方法、装置、设备及存储介质 | |
CN116681957B (zh) | 一种基于人工智能的图像识别方法及计算机设备 | |
CN113793620B (zh) | 基于场景分类的语音降噪方法、装置、设备及存储介质 | |
CN113139561B (zh) | 一种垃圾分类方法、装置、终端设备及存储介质 | |
CN110909578A (zh) | 一种低分辨率图像识别方法、装置和存储介质 | |
CN116705034A (zh) | 声纹特征提取方法、说话人识别方法、模型训练方法及装置 | |
CN113255766B (zh) | 一种图像分类方法、装置、设备和存储介质 | |
CN113177479B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN112801960B (zh) | 图像处理方法及装置、存储介质、电子设备 | |
JP2018109739A (ja) | 音声フレーム処理用の装置及び方法 | |
CN113836297A (zh) | 文本情感分析模型的训练方法及装置 | |
CN111444319B (zh) | 文本匹配方法、装置和电子设备 | |
CN114626798A (zh) | 任务流程确定方法及装置、计算机可读存储介质、终端 | |
CN113780238A (zh) | 多指标时序信号的异常检测方法、装置及电子设备 | |
CN113392902A (zh) | 数据集处理方法、装置、存储介质及电子设备 | |
CN113033397A (zh) | 目标跟踪方法、装置、设备、介质及程序产品 | |
CN113571085B (zh) | 语音分离方法、系统、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 516006 TCL science and technology building, No. 17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province Applicant after: TCL Technology Group Co.,Ltd. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL Corp. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |