23年比赛要求： 初赛时待生活垃圾智能分类装置识别的四类垃圾主要包括：（1）有害垃圾： 电池（1 号、2 号、5 号）、过期药品或内包装等；（2）可回收垃圾：易拉罐、小 号矿泉水瓶；（3）厨余垃圾：小土豆、切过的白萝卜、胡萝卜，尺寸为电池大小； （4）其他垃圾：瓷片、鹅卵石（小土豆大小）、砖块等。 决赛时生活垃圾智能分类装置待识别的四类垃圾的种类、形状、重量（不超过 150 克）将通过现场抽签决定，决赛时同时投入的垃圾数量两件以上（含两件）。

1.项目基于FasterRCNN 模型，通过RPN 网络获取图片候选区域，以Restnet50 提取特征，实现生活垃圾的智慧分拣。 2.项目运行环境：硬件环境和Python 环境。其中FasterRCNN 对计算要求较高，有一部分是Restnet50 的卷积层。必须使用较大内存的GPU 才可以完成训练。在本项目中，用华为云提供的模型训练服务（GPU tesla P100)实现，链接:https://www.hwtelcloud.com/products/mts。 3.项目包括2个模块：5 个模块：数据预处理、数据加载、模型构建、模型保存及训练、模型加载及调用。数据下载地址： https://pan.baidu.com/s/1ZAbzYMLv0fcLFJsu64u0iw，提取码 yba3 4.准确率评估：本部分包括模型准确率和分类别准确率。数据总体准确率为 0.840 识别效果比较理想。其中面包、菜根、瓜子壳的类别准确率较低。

c# 来实现文件管理器，有新建文件夹 文件 读写文件 搜索文件 清理垃圾和删除文件等功能。

安卓期末的大作业，一款垃圾分类app。提供运行演示、学习心得、操作手册、答辩ppt。

python 垃圾收集机制的实例详解 pythonn垃圾收集方面的内容如果要细讲还是挺多的，这里只是做一个大概的概括 Python最主要和绝大多数时候用的都是引用计数,每一个PyObject定义如下： #define PyObject_HEAD \ Py_ssize_t ob_refcnt; \ struct _typeobject *ob_type; typedef struct _object { PyObject_HEAD } PyObject; 每个pyobject都有一个refcnt来记录他们自己的引用数，一旦引用数为0，就进行回收

一键清理开源版，包括内存加速，缓存清理，自启管理，软件管理等。

本文提出了把概率神经网络用语垃圾邮件分类，并通过MATLAB仿真实验与贝叶斯分类器进行比较，得到了比较理想的结果

按照工训赛垃圾分类要求设计的基于USART HMI 陶晶驰串口屏 可调节设备型号，有宣传视频，垃圾分类，满载报警，自动计数加一，音量调节，亮度调节等功能，完全符合工训赛比赛要求，可直接实用。

VC6.0清理垃圾文件的小插件CleanVC.rar 清理工程目录中生成的垃圾文件.

基于单片机的智能垃圾桶设计