【摘要】针对基于深度学习的图像识别与分类，本文研究基于稠密卷积网络( ｄｅｎｓｅ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｔｗｏｒｋ，ＤｅｎｓｅＮｅｔ)深度学习网络的结构和迁移学习框架，来解决垃圾图像识别与分类实验。 本文首先通过在 ＩｍａｇｅＮｅｔ 上预训练模型，将参数迁移到 ＤｅｎｓｅＮｅｔ 模型中，其次使用 ＮＷＰＵ-ＴＲＡＳＨ 图像数据集进行训练，最后使用准确率、精确度、召回率和 Ｆ１ 值对模型进行了评估，并展示了模型在不同类别和整体上的测试结果。 实验结果表明，所提出的垃圾图像分类模型在 ＮＷＰＵ-ＴＲＡＳＨ 图像数据集上取得了较好的分类性能，具有较高的准确率、精确度和召回率。