后入内射无码人妻一区

隨著垃(la)圾分(fen)類成為(wei)今夏最(zui)熱話題，國(guo)內互聯網(wang)、科技公司(si)紛紛推出了小程序、App等查(cha)詢(xun)應(ying)用(yong)，包括百度、搜(sou)狗、科大訊飛等公司(si)均(jun)推出了相關的智能查(cha)詢(xun)功能。支付寶、微信上(shang)也有(you)不(bu)少(shao)相關小程序和小游戲。這些應(ying)用(yong)的特(te)點(dian)大同小異(yi)，主(zhu)要(yao)以查(cha)詢(xun)為(wei)主(zhu)，支持(chi)語音、圖像(xiang)查(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。

模型訓練好后(hou)，可以(yi)將新的(de)圖片輸入給(gei)模型，模型會識別、定位出是哪種類(lei)型的(de)垃圾(ji)以(yi)及所在的(de)位置，從而(er)實現垃圾(ji)分類(lei)的(de)需求。

“目前計算(suan)機視(shi)覺技術已經相當(dang)成熟，第四(si)范式在計算(suan)機視(shi)覺領域已經有了深厚的積累。能否投入(ru)使用的關鍵(jian)在于模型(xing)識別的精準(zhun)(zhun)度，而影響模型(xing)精準(zhun)(zhun)度的關鍵(jian)在于原始(shi)數據量的質(zhi)量的大小。原始(shi)數據質(zhi)量越高(gao)，數量越大，訓練(lian)出識別準(zhun)(zhun)確率高(gao)的模型(xing)幾率越大。”

上述(shu)技術人員表(biao)示(shi)，數(shu)據庫中包(bao)含是(shi)經過標注(zhu)過的(de)(de)數(shu)據，標注(zhu)的(de)(de)質(zhi)量越高，AI訓練的(de)(de)效(xiao)果越好。

但目前，最大(da)的問(wen)題是，標注數據的過程(cheng)更多的是由(you)人工來完成，現(xian)階(jie)段還無法由(you)AI來實現(xian)。雖然一些研(yan)究(jiu)者正在探索自(zi)動標注數據的工作，但離(li)真正應用(yong)還存在很長(chang)的距離(li)。

此外，值得思考的是，如果將來各個(ge)城(cheng)市(shi)的垃圾分類標準不統一(yi)，也(ye)將會對(dui)AI提出(chu)更高的要求(qiu)。