【树莓派4B实现垃圾分类】Chap.0 项目概述 Tensorflow 1.14.0+Keras: 2.2.0+Opencv: 3.4+Python: 3.6+Numpy:1.16【深度学习 招式

一、项目概述

简介：该垃圾分类项目主要在于对各种垃圾进行所属归类，本次项目采用keras深度学习框架搭建卷积神经网络模型实现图像分类，最终移植在树莓派上进行实时视频流的垃圾识别。

前期：主要考虑PC端性能，并尽可能优化模型大小，训练可采用GPU，但调用模型测试的时候用CPU运行，测试帧率和准确性（测试10张左右图像的运行时间取平均值或实时视频流的帧率）。

后期：部署在树莓派端，在本地进行USB摄像头实时视频流的垃圾分类（归类）。

框架语言： keras+python。
PC端：
Keras: 2.2.0
Opencv: 3.4
Python: 3.6
Numpy:1.16

二、数据集

(1) 数据集：

1.	data1: https://www.kaggle.com/asdasdasasdas/garbage-classification
数据集包含6个分类：cardboard (393), glass (491), metal (400), paper(584), plastic (472) and trash(127).

2.	data2: https://www.kesci.com/home/dataset/5d133d11708b90002c570588
该数据集是图片数据，分为训练集85%（Train）和测试集15%（Test）。其中O代表Organic（有机垃圾），R代表Recycle（可回收）。

3.	data3 : https://copyfuture.com/blogs-details/2020083113423317484akwfwu4mzs89w
一共 56528 张图片，214 类，总共 7.13 GB。