你是什么垃圾?人工智能面对干垃圾和湿垃圾“有点蒙”

白金会
你是什么样的垃圾?人工智能面临“干”和“湿”

9a2af443de074a669fbb1a5acb61a2a2.jpeg

当你厌倦了工作和回家休息时,你会说“放一首歌”,然后智能音箱会自动发布你最喜欢的歌曲。当您在超市购物车满载时,您只需要面对相机识别面部即可完成付款,甚至可以取出手机。

这是人工智能在生活中的应用。随着人工智能在语音识别和合成,图像识别和自然语义理解领域的突破,越来越多的生活场景开始出现人工智能应用。

例如,后续系统也将在北京发布。

阿里巴巴和腾讯等互联网巨头已经启动了垃圾识别申请,这是基于物品的视觉识别来做出垃圾分类判断。一些以前没有涉及废物行业的公司,如平安和中国电信,已开始使用人工智能技术推出不同的解决方案。打开app store,有近百个垃圾分类应用程序。记者通过下载测试发现,其中大部分是由个别开发者制作的。由于技术限制,他们选择更多的语音对话,有些人具有识别图片的能力。

但是,当人们使用这些应用程序时,会出现这样的问题。这些应用程序真的有效吗?人工智能公司的技术专家告诉记者,这些冲产品,很多数据培训样本都不足以支持他们日常使用的准确性,“他们的识别率只有20%到30%。”

让机器了解干湿垃圾是个问题

微软亚洲研究院研究员傅建龙告诉记者,目前,视觉识别技术在垃圾分类领域存在三个主要问题。它们是核心技术算法,产品的设计和使用习惯很难改变。在此背后,当商品变成垃圾时,其变化使其定义变得复杂,即“非标准化”。

然而,计算机的优点是处理明确定义的问题,并且需要学习大量数据。通常,无论是语音还是图像,如果机器想知道它,它必须经过两个过程,即人工智能技术成为产品的两个阶段,称为“训练”算法并使用算法“推理“ 分别。结论。

件。傅建龙说,在之前的尝试中,他们还投入了小样本数据进行模拟训练,即让计算机从一个类别中的几百个样本中学习,达到判断的程度。但是在这个过程中,他们发现了一个问题,就是垃圾本身不仅种类繁多,而且总会产生新的类别,影响判断力。

在推理阶段,如何使机器了解干湿垃圾也是一个问题。这就像电脑很容易辨认出一把伞,但很难理解人们是否会使用雨伞来遮挡或阻止雨水。在学习这个问题的阶段,计算机需要输入专业知识来学习和理解真实的意图,或者引入垃圾的“背景”。

因此,对于使用手机捕获和识别的前端用户的过程,大多数受访的人工智能专家并不认为技术目前可以取代人眼的效率。

智能风险控制总经理兼人工智能研究所首席科学家施一鸣表示,对于一些用户来说,照片识别是一种更有效的辅助方法。因为它看到上海实施废物分类,需要很多志愿者来帮助用户分类和检查废物。这需要大量人工,而且非常困难。作为平安的一个业务部门,它在2-3周内发布了一个小型垃圾分类程序。

混合垃圾识别很困难,机器需要更多样品来学习

垃圾桶到处理厂后,垃圾量急剧上升,这为人工智能学习提供了大量样本。蔑视研究所研发部主任于刚告诉记者,批量分拣是在垃圾收集站完成的。此时,AI视觉应用将大大提高效率。

在这个阶段,目前的视觉识别技术才刚刚萌芽。在解决了拍摄图像分类的问题后,解决识别物体并从混合垃圾识别物体的问题更为重要,因为避免了遮挡和物体变形对识别的影响。人工智能独角兽公司的一位专家告诉记者,“人们可以推理,但机器需要更多的样本学习。算法和人眼识别之间仍然存在差距。”

然而,傅建龙告诉记者,目前计算机视觉识别的研究方法是计算机识别对象提取的一部分,以确定对象本身。如果被遮挡的对象显示相应的识别点,则可以由机器捕获。此外,将视角从2D转换为3D也可以克服多目标和遮挡的问题。

在实际应用中,上述人工智能专家表示,海外公司使用多个传感器和机械臂的组合,垃圾在传输过程中自动分类和捕获。这种商业模式的出现是劳动力成本的增加。但随着人工智能技术的成熟,它将为工厂带来更大的成本节约。

在这种模式下,视觉识别算法需要与机器人手臂相连,这需要一个完整的系统解决方案。目前,更大的问题是需要根据需要量身定制。不同地区的不同分类标准需要精确调整,因为必须达到人工水平,甚至超过劳动力。这样的输入很有意义。

新京报记者梁晨主编徐超校对

10: 02

来源:新京报

你是什么样的垃圾?人工智能面临“干”和“湿”

9a2af443de074a669fbb1a5acb61a2a2.jpeg

当你厌倦了工作和回家休息时,你会说“放一首歌”,然后智能音箱会自动发布你最喜欢的歌曲。当您在超市购物车满载时,您只需要面对相机识别面部即可完成付款,甚至可以取出手机。

这是人工智能在生活中的应用。随着人工智能在语音识别和合成,图像识别和自然语义理解领域的突破,越来越多的生活场景开始出现人工智能应用。

例如,后续系统也将在北京发布。

阿里巴巴和腾讯等互联网巨头已经启动了垃圾识别申请,这是基于物品的视觉识别来做出垃圾分类判断。一些以前没有涉及废物行业的公司,如平安和中国电信,已开始使用人工智能技术推出不同的解决方案。打开app store,有近百个垃圾分类应用程序。记者通过下载测试发现,其中大部分是由个别开发者制作的。由于技术限制,他们选择更多的语音对话,有些人具有识别图片的能力。

但是,当人们使用这些应用程序时,会出现这样的问题。这些应用程序真的有效吗?人工智能公司的技术专家告诉记者,这些冲产品,很多数据培训样本都不足以支持他们日常使用的准确性,“他们的识别率只有20%到30%。”

让机器了解干湿垃圾是个问题

微软亚洲研究院研究员傅建龙告诉记者,目前,视觉识别技术在垃圾分类领域存在三个主要问题。它们是核心技术算法,产品的设计和使用习惯很难改变。在此背后,当商品变成垃圾时,其变化使其定义变得复杂,即“非标准化”。

然而,计算机的优点是处理明确定义的问题,并且需要学习大量数据。通常,无论是语音还是图像,如果机器想知道它,它必须经过两个过程,即人工智能技术成为产品的两个阶段,称为“训练”算法并使用算法“推理“ 分别。结论。

件。傅建龙说,在之前的尝试中,他们还投入了小样本数据进行模拟训练,即让计算机从一个类别中的几百个样本中学习,达到判断的程度。但是在这个过程中,他们发现了一个问题,就是垃圾本身不仅种类繁多,而且总会产生新的类别,影响判断力。

在推理阶段,如何使机器了解干湿垃圾也是一个问题。这就像电脑很容易辨认出一把伞,但很难理解人们是否会使用雨伞来遮挡或阻止雨水。在学习这个问题的阶段,计算机需要输入专业知识来学习和理解真实的意图,或者引入垃圾的“背景”。

因此,对于使用手机捕获和识别的前端用户的过程,大多数受访的人工智能专家并不认为技术目前可以取代人眼的效率。

智能风险控制总经理兼人工智能研究所首席科学家施一鸣表示,对于一些用户来说,照片识别是一种更有效的辅助方法。因为它看到上海实施废物分类,需要很多志愿者来帮助用户分类和检查废物。这需要大量人工,而且非常困难。作为平安的一个业务部门,它在2-3周内发布了一个小型垃圾分类程序。

混合垃圾识别很困难,机器需要更多样品来学习

垃圾桶到处理厂后,垃圾量急剧上升,这为人工智能学习提供了大量样本。蔑视研究所研发部主任于刚告诉记者,批量分拣是在垃圾收集站完成的。此时,AI视觉应用将大大提高效率。

在这个阶段,目前的视觉识别技术才刚刚萌芽。在解决了拍摄图像分类的问题后,解决识别物体并从混合垃圾识别物体的问题更为重要,因为避免了遮挡和物体变形对识别的影响。人工智能独角兽公司的一位专家告诉记者,“人们可以推理,但机器需要更多的样本学习。算法和人眼识别之间仍然存在差距。”

然而,傅建龙告诉记者,目前计算机视觉识别的研究方法是计算机识别对象提取的一部分,以确定对象本身。如果被遮挡的对象显示相应的识别点,则可以由机器捕获。此外,将视角从2D转换为3D也可以克服多目标和遮挡的问题。

在实际应用中,上述人工智能专家表示,海外公司使用多个传感器和机械臂的组合,垃圾在传输过程中自动分类和捕获。这种商业模式的出现是劳动力成本的增加。但随着人工智能技术的成熟,它将为工厂带来更大的成本节约。

在这种模式下,视觉识别算法需要与机器人手臂相连,这需要一个完整的系统解决方案。目前,更大的问题是需要根据需要量身定制。不同地区的不同分类标准需要精确调整,因为必须达到人工水平,甚至超过劳动力。这样的输入很有意义。

新京报记者梁晨主编徐超校对

仅提供信息存储空间服务。

阅读()