无套内射AV二区

隨(sui)著(zhu)垃圾分(fen)類成(cheng)為今夏最熱話題(ti)，國(guo)內互(hu)聯網、科(ke)技(ji)公(gong)司紛(fen)紛(fen)推(tui)出(chu)(chu)了小(xiao)程序、App等(deng)查詢(xun)應(ying)用，包括百(bai)度(du)、搜狗、科(ke)大訊飛等(deng)公(gong)司均推(tui)出(chu)(chu)了相(xiang)關的(de)智能(neng)(neng)查詢(xun)功(gong)能(neng)(neng)。支付寶、微(wei)信上也有不少相(xiang)關小(xiao)程序和小(xiao)游戲。這些(xie)應(ying)用的(de)特點大同小(xiao)異，主要(yao)以查詢(xun)為主，支持語(yu)音(yin)、圖(tu)像(xiang)查詢(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)，可以將(jiang)新的(de)圖片輸入給模型，模型會(hui)識別、定位出是(shi)哪種類型的(de)垃圾以及所(suo)在的(de)位置，從而實現(xian)垃圾分類的(de)需(xu)求。

“目前(qian)計算機視(shi)覺技術已經相當成熟，第(di)四范式在(zai)(zai)計算機視(shi)覺領域已經有了深厚的(de)積累。能否投(tou)入(ru)使用的(de)關鍵在(zai)(zai)于模(mo)型識別的(de)精準(zhun)(zhun)度，而(er)影響(xiang)模(mo)型精準(zhun)(zhun)度的(de)關鍵在(zai)(zai)于原始數據(ju)量(liang)(liang)(liang)的(de)質量(liang)(liang)(liang)的(de)大(da)小。原始數據(ju)質量(liang)(liang)(liang)越(yue)高，數量(liang)(liang)(liang)越(yue)大(da)，訓練出識別準(zhun)(zhun)確(que)率高的(de)模(mo)型幾率越(yue)大(da)。”

上(shang)述技(ji)術人(ren)員表示，數據庫中(zhong)包含是經過(guo)(guo)標注過(guo)(guo)的數據，標注的質量越高，AI訓練的效果越好(hao)。

但目前，最大的問題是，標注(zhu)數據的過(guo)程更(geng)多(duo)的是由人工來完(wan)成，現(xian)階(jie)段還無法由AI來實現(xian)。雖(sui)然(ran)一些研究(jiu)者正在探索自(zi)動標注(zhu)數據的工作，但離(li)真正應用還存在很長(chang)的距離(li)。

此外，值得思考的(de)是(shi)，如果將(jiang)來(lai)各個(ge)城市的(de)垃(la)圾分類標(biao)準不統一，也(ye)將(jiang)會對AI提出更高的(de)要求。