多年行业经验
专业优秀团队
一站式出版服务多年行业经验
专业优秀团队
一站式出版服务
您的位置：首页>期刊>当代教育与艺术
《当代教育与艺术》是一本专注于艺术与教育领域深度交融与最新研究成果的国际开源中文期刊。它旨在展现艺术与教育交叉领域的最新进展，尤其关注教育管理与教育学科中艺术美学的独特视角，以及高新技术在艺术教育与创作中的创新应用模式。本期刊致力于搭建一个平台，促进艺术家、教育工作者及学者之间的交流与合作，共同推动艺术与教育的融合发展，提升教育者与创作者的专业素养和创新能力。
期刊涵盖的广泛议题包括：艺术教育的创新实践、校园艺术文化的构建与管理、艺术作品的鉴赏与批评、艺术教育课程设计与实施、艺术家与教育工作者的作品展示、文学与艺术素养的培养、跨文化艺术探索、职业教育中的艺术技能培训等。
作为一本经过严格同行评审的学术期刊，《当代教育与艺术》坚持高标准、高质量的出版原则。我们诚挚邀请与期刊主题紧密相关、富有理论深度与实践价值的稿件投稿。所有文稿均需保证原创性，严禁抄袭，文责自负。我们期待与广大艺术教育工作者及学者携手，共同推动艺术与教育的繁荣发展。
蒙古国民族大学，蒙古国乌兰巴托，999097；
摘要：随着垃圾分类成为生态文明建设的重要环节，智能垃圾分类识别技术凭借高效、精准的优势逐渐替代传统人工分拣模式。然而，传统卷积神经网络模型参数量大、计算复杂度高，难以适配终端设备的部署需求，轻量化卷积神经网络为此提供了有效解决方案。本文围绕轻量化卷积神经网络在智能垃圾分类识别中的应用痛点，从网络结构优化、模型压缩策略、特征增强机制三个维度展开深入研究。通过改进深度可分离卷积的分组方式、设计动态通道注意力模块、结合知识蒸馏与量化技术，在保证识别精度的前提下，显著降低模型参数量与计算成本。同时，提出基于场景适配性的验证框架，从模型泛化能力、实时性、鲁棒性三个层面验证优化效果，为轻量化模型在智能垃圾分类终端设备中的落地应用提供理论支撑与技术参考。
关键词：轻量化卷积神经网络；智能垃圾分类；深度可分离卷积；注意力机制
参考文献
[1]资政,程慧,何佳.基于深度学习的垃圾智能分类技术[J].科技与创新,2023,(21):46-49.
[2]林亮.基于卷积神经网络的垃圾图像智能识别研究[D].中北大学,2023.
[3]邓浩,江旺.基于卷积神经网络的智能分类垃圾系统设计[J].湖南科技学院学报,2022,43(03):28-32.
[4]刘晏铭,丛子健,王通,黄子悦.基于卷积神经网络的智能分类垃圾桶设计[J].智能城市,2022,8(06):66-68.
[5]朱伟军.基于卷积神经网络的生活垃圾智能分类研究[D].华东师范大学,2022.
