华为云 ModelArts:让垃圾分类开发“极快致简”

举报
Joey啊 发表于 2019/08/19 09:51:24 2019/08/19
【摘要】 也许我们从来没有想过,看似简单的垃圾分类居然给“聪明”的人类带来如此大的困扰2019年7月1日,史称“最严格的垃圾分类法”《上海市生活垃圾管理条例》正式开始施行一夜之间上海人最常用的见面语从“侬好”变成了“侬是什么垃圾?”虽然只有可回收物、有害垃圾、干垃圾和湿垃圾四种分类,但面对现实生活中“丰富多彩”的垃圾,市民们还是被搞得“晕头转向”、“丈二和尚摸不着头脑”。该市民正在查询垃圾如何分类有市...

也许我们从来没有想过,

看似简单的垃圾分类居然给“聪明”的人类带来如此大的困扰

2019年7月1日,史称“最严格的垃圾分类法”

《上海市生活垃圾管理条例》正式开始施行

一夜之间

上海人最常用的见面语从“侬好”

变成了“侬是什么垃圾?”


image.png



虽然只有可回收物、有害垃圾、干垃圾和湿垃圾四种分类,但面对现实生活中“丰富多彩”的垃圾,市民们还是被搞得“晕头转向”、“丈二和尚摸不着头脑”。


image.png


该市民正在查询垃圾如何分类


有市民表示,由于要进行垃圾分类,连珍珠奶茶都不敢喝了。喝完后,“侬晓得该怎么分类伐?”面对这样的“世纪难题”,很多网友都“脑洞大开”想到了很多法子来降低垃圾分类的难度。


image.png

不过,在科技如此发达的今天,用这些方法来进行垃圾分类,未免就太“不潮流”了,为什么就不能试试用如今炙手可热的AI来进行垃圾分类呢?


AI 垃圾分类市场风***发


实际上,用AI进行垃圾处理并不是一件新鲜的事情,前几年波兰创业公司Bin-e公司开发了一种全新的人工智能垃圾桶,用户只需要在垃圾桶前扫描一下垃圾,舱门便会打开。这个人工智能垃圾桶是通过传感器、摄像头、AI图像识别算法来自动进行垃圾分类,使用起来可以说是很方便了,而且回收公司也可以通过APP来随时检查垃圾桶的剩余空间等。


印度尼西亚一家创业公司Gringgo也曾使用谷歌的机器学习平台TensorFlow研发图像识别工具。目标是让环卫工人更好地对垃圾进行分析和分类,并量化它们的价值。无独有偶,硅谷的创业公司Compology就给小区的垃圾箱配备了智能传感器。这些传感器每天会多次拍摄垃圾桶内部的高分辨率照片,并发送图像到云端。这样,垃圾清理公司就能够及时监控信息,优化卡车清运垃圾的路线或时间表,快捷高效地拾取垃圾,从而保证了不同规模小区的垃圾清理效率。


今年五月,沃尔沃公司同样宣布与瑞典的Renova公司联手,开始测试自动驾驶垃圾车。除了和普通无人车一样配置激光定位器、雷达、摄像头、红外摄像头等传感系统之外,这种卡车还能够按照设置好的路线,沿途收集垃圾。


垃圾分类 AI 开发的背后,暗藏“大坑”


实际上,用AI进行垃圾分类并不像人们想象中的那样简单,它至少需要跨过几个大坑:


第一,为了实现垃圾自动分类,首先需要有一个已经分好类别的“垃圾”图像数据集作为训练的基础。如果没有这样一个可以直接使用的数据集,就需要自己动手收集海量的“垃圾”图像并为每张图像标注相应的类别。而数据集的收集以及标注一直都是一件非常耗时耗力的工作。


第二,垃圾分类实际上是一个图像识别分类的问题。通常,对于图像识别分类,基于深度卷积神经网络的图像分类算法效果最好,这当中,目前应用比较广泛的AlexNet、VGGNet、ResNet。AlexNet是计算机视觉任务的标配,虽然比较成熟,但由于出现较早,在性能上有些落伍,在AlexNet的基础上,以增加网络深度为思路,出现了VGGNet,但后来居上的ResNet,使得层数极深的网络成为了可能,从而使网络性能得到了大幅提升。当前ResNet及其变种形式已经被广泛地应用于图像分类任务。不过,不论是AlexNet、VGGNet、还是ResNet,部署起来都挺复杂,也不太易于使用。


华为云 ModelArts:让垃圾分类开发“极快致简”


不过,好在有华为云ModelArts一站式AI开发平台,拥有强大功能的它能够帮开发者们“极快致简”地越过AI垃圾分类开发的大坑。华为云ModelArts对AI开发中的全流程,包括数据处理、模型训练、模型管理、应用部署等各方面都进行了极致优化,比如目前最耗费“人工”的数据筛选、预标注等。ModelArts内置MindData AI数据框架,以AI的机制来治理数据,用迭代训练来解决标注的数据量问题,可实现数据标注与准备效率的百倍提升。借助ModelArts,不仅资深AI开发者能驾轻就熟的全程在云上进行算法开发和模型训练,零基础的开发小白也能轻松驾驭。


事实上,通过算力和计算方案方面的改进,在同样的模型、数据集和同等硬件资源情况下,ModelArts能将模型训练耗时降低一半。今年3月,在国际权威的深度学习模型基准测试平台斯坦福DAWNBenchmark图像识别总训练/推理时间测试中,ModelArts排名世界第一。


就垃圾分类场景具体而言,ModelArts能够有效助力垃圾分类AI模型开发。首先是垃圾图片数据集的标注,Modelarts会将数据进行预处理,用AI的数据去标注数据,即自动化标注和半自动化标注。通过对数据采样、筛选和预标注,能够缩减开发者需要标记的数据量,降低开发者工作量。其次是垃圾图像的识别分类。ModelArt不仅曾获图像识别总训练时间冠军,为了将用户使用门槛降到最低,华为云ModelArts还提供了图像分类项目的视频教程。此外,借助ModelArts,开发者还可将训练好的垃圾分类的AI模型部署为在线服务,验证模型的可用性和准确性,即时对模型进行问题排查。


目前,华为云ModelArts不仅能提高AI垃圾分类开发效率,还在上海交通大学的自动驾驶赛车项目、云庐科技的建筑物结构健康度预测、NGO雨林保护计划中得到了广泛的应用。


【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。