自今年7月1日起,被称为“史上最严”垃圾分类措施的《上海市生活垃圾管理条例》正式实施。
于是,最近上海人不谈股票和房价,甚至连“朋友”也不谈,一门心思统统扑在垃圾分类上……
“你是什么垃圾?” 这直击灵魂深处的拷问,竟成了上海朋友的日常。
“你是什么垃圾”一定要准确分辨,否则你便会“荣登榜首”。(PS:这可能也是监控系统距离普通市民最近的一次。)
根据规定,上海市民需要将垃圾分为可回收物、有害垃圾、湿垃圾和干垃圾4类。为让市民分清垃圾种类,官方还给出了一份《上海市生活垃圾分类投放指南》。
不过,不要觉得对照上表进行4个大类的垃圾分类就没有难度,真正到实际执行时,你也许就会感到被垃圾分类支配的恐惧。
所以有人说,上海垃圾分类的难度,不亚于高考数学。
为了正确认清四种不同的垃圾,广大网友发明了各种千奇百怪的分类方式,其中最著名、最搞si ao,同样也是最具成效的方法便是猪分类法。
如今,上海垃圾分类施行“满月”,市民们头疼不已,其他地区人民却笑到流泪,段子编了一堆又一堆。但如今恐怕其他地区也笑不出来了。
万万想不到住建部要求2020年底,在46个重点城市推进垃圾分类的实施,全国进入垃圾分类“硬约束”时代也不会太远了。
“这是什么垃圾?”,即将成为考验全国人民的生活难题。
好在,随着人工智能在语音识别与合成、图像识别、自然语义理解等方向取得突破,人工智能的应用开始出现在越来越多的生活场景。当面对复杂的垃圾分类处理工作时,人们也想到了人工智能。
7月30日,华为云启动“华为云人工智能大赛·垃圾分类挑战杯”活动,邀请个人、高等院校、科研单位、企业、创客团队、开发者等参赛,构建垃圾分类AI模型,助攻居民成为垃圾分类小能手。
现实生活中,因为垃圾形态、拍照时角度、光线、背景等差异,使得AI训练集的数据,难以识别垃圾的庐山真面目。
因此本次比赛要求构建出的基于 学习技术等图像分类模型即垃圾分类模型需具有较高的泛化能力和抗干扰能力,以保证其能对垃圾图片的类别进行自动、实时、精准地识别。过程中,开发者既可以使用已有标记图片,也可以自己标注图片。
当开发者标注更多五花八门的垃圾图片时,模型识别准确率及决赛分数都将提高。
一站式AI开发平台ModelArts:助开发者力战垃圾分类
为了帮助参赛团队们提高AI模型开发效率,提高模型对垃圾分类的准确率,大赛为参赛者准备了开发神器:华为云一站式AI开发平台ModelArts。
简单来说,ModelArts能提供海量数据预处理及半自动化标注、大规模分布式训练、自动化模型生成功能,及端-边-云模型按需部署能力,帮助参赛者快速创建和部署AI模型,管理全周期AI工作流,拥有更易上手、更低成本、更快速度、更极致的开发体验,能够加速AI开发流程。
首先,ModelArts提供开源数据集,部分场景可实现数据自动标注,能够极大降低垃圾分类AI模型参赛者的工作量;其次,AI视觉识别技术落地在垃圾分类领域,需要大量的算法训练。
ModelArts拥有自动学习+自动训练模型能力,不仅可以简化参赛者对AI算法调参的工作量,还能帮助他们找到尽可能最优的参数,在满足精度的前提下让模型快速收敛;
再次,作为一个端到端从硬件到软件协同的平台,华为云ModelArts在其中做了很多深层次的优化和高性能调优,包括对分布式调度、网络通信和硬件特性等做整体优化,加快了垃圾分类AI模型的训练速度。
通常情况下,AI模型部署非常复杂,需要写代码集成到应用系统,维护和更新,但ModelArts可以一键将模型部署到云、端、边缘的设备上,根据端边云不同的特点,帮助垃圾分类AI模型的开发者做模型压缩和模型加速。
最高30万大奖,华为云邀你为AI垃圾分类献智慧
“华为云人工智能大赛·垃圾分类挑战杯”分为初赛和决赛两个阶段:
初赛提交时间段为7月30日~ 9月10日,选手自行在线组队并提交AI模型,系统自动评测模型并给出模型得分,选手可实时优化作品,每天拥有5次模型提交机会并反馈每次的跑分和运行日志,排行榜每个自然日更新。
决赛阶段为9月10日~ 9月19日初赛排行榜TOP10在2019华为全联接大会现场角逐冠亚季军。
睁大眼睛看奖项啊各位!
如果你或者你所在的团队,希望为垃圾分类这个利国利民的国家大计贡献自己的一份智慧,那么就来参加“华为云人工智能大赛垃圾分类挑战杯”,探索垃圾分类的AI技术吧!
最后,偶帮大家开启下参赛传送门,搜索华为云官网-开发者-大赛-大赛列表-华为云人工智能大赛·垃圾分类挑战杯
9月18日-9月20日,2019华为全联接大会(HUAWEICONNECT 2019)将在上海世博中心举办,各种黑科技、开发者大神悉数现身,华为云人工智能大赛•垃圾分类挑战杯大赛总决赛也将现场举办,欢迎前往观战。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
