免费黄色视频下载

隨著垃圾(ji)分類成為今(jin)夏最熱話(hua)題(ti)，國內互聯網、科技公(gong)司紛紛推出了(le)小程(cheng)序、App等查(cha)(cha)詢(xun)應(ying)用，包括百(bai)度(du)、搜狗、科大(da)訊飛(fei)等公(gong)司均推出了(le)相關的智(zhi)能查(cha)(cha)詢(xun)功能。支付寶、微信上也有不少相關小程(cheng)序和小游戲。這些應(ying)用的特點大(da)同小異，主要以查(cha)(cha)詢(xun)為主，支持語(yu)音(yin)、圖像查(cha)(cha)詢(xun)。接受新浪科技采訪時，人工智能技術與服務提供商第四范式的技術人員表示，垃圾分類中所涉及的計算機視覺技術包括了圖像分類、圖像定位、圖像檢測等環節。

例如在垃圾分類的場景中，首先需要將帶有不同垃圾種類的圖片進行標注，標注是為了告訴計算機圖像中出現的是可回收、廚余、不可回收等不同類型的垃圾，以及垃圾在圖像中的位置等信息，作為訓練模型的原始數據。

模(mo)型訓(xun)練好后，可以(yi)將(jiang)新的(de)圖片輸入給模(mo)型，模(mo)型會識(shi)別、定位出是(shi)哪(na)種類(lei)型的(de)垃圾(ji)以(yi)及所(suo)在(zai)的(de)位置，從(cong)而實現(xian)垃圾(ji)分類(lei)的(de)需求。

“目(mu)前計算機視覺技(ji)術已(yi)經(jing)相當成(cheng)熟，第四范式在(zai)(zai)計算機視覺領(ling)域已(yi)經(jing)有了(le)深厚的積累。能否投入使用(yong)的關鍵(jian)在(zai)(zai)于模(mo)型識(shi)別的精(jing)(jing)準(zhun)度，而影(ying)響模(mo)型精(jing)(jing)準(zhun)度的關鍵(jian)在(zai)(zai)于原始數(shu)據(ju)量的質(zhi)量的大(da)小。原始數(shu)據(ju)質(zhi)量越高(gao)，數(shu)量越大(da)，訓練出識(shi)別準(zhun)確率高(gao)的模(mo)型幾率越大(da)。”

上述(shu)技術人(ren)員表示，數據庫中包含是經過標注過的數據，標注的質量越高(gao)，AI訓練的效果越好。

但目前，最(zui)大(da)的問題是，標注數據(ju)的過程更(geng)多的是由人工來完(wan)成，現(xian)階段還無(wu)法由AI來實現(xian)。雖(sui)然(ran)一些(xie)研究者正(zheng)在探索自動標注數據(ju)的工作，但離真(zhen)正(zheng)應(ying)用(yong)還存(cun)在很長(chang)的距離。

此外(wai)，值得思考的是，如果將(jiang)來(lai)各個城市的垃圾分(fen)類標準(zhun)不統一，也將(jiang)會對(dui)AI提出更高(gao)的要求。