标题：基于CenterNet的垃圾分类检测方法
作者：岳晓明1，2 李俊1，2 侯言旭1，2 林志诚1，2
作者单位：1 东南大学自动化学院，江苏，南京210096；2 复杂工程系统测量与控制教育部重点实验室，江苏 南京 210096
关键字：计算机视觉；垃圾分类；深度学习；CenterNet
摘要：针对现有垃圾分类检测方法存在的准确率低、适应性差、较难满足工业环境下实时检测需求等问题，提出了一种基于CenterNet的垃圾分类检测方法。首先，收集了不同种类垃圾图像完成数据集制作，而后对训练样本进行扩充并使用CenterNet网络进行训练。最终实验表明，该方法在复杂环境下有较强的鲁棒性和稳定性，可以快而准地完成垃圾目标的检测，检测时间仅需25ms，平均精度mAp可达98.2%，有望应用于工业输送场景下垃圾目标的实时检测。