百万奖金悬赏AI垃圾分类，就问你来不来？

最新推荐文章于 2022-11-14 19:31:48 发布

AI科技大本营

最新推荐文章于 2022-11-14 19:31:48 发布

阅读量510

点赞数

原文链接：https://developer.huaweicloud.com/competition/competitions/1000007620/introduction?utm_source=csdn\x26amp;utm_medium=pr\x26amp;utm_campaign=csdntf\x26amp;utm_term=garbage

版权

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。

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 垃圾分类市场风口爆发

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。

垃圾分类挑战杯，开启AI垃圾分类新篇章

基于此，也为了解决棘手的垃圾分类问题，华为云特别举办人工智能大赛·垃圾分类挑战杯，邀请个人、高等院校、科研单位、企业、创客团队等开发者以华为云一站式AI开发平台ModelArts作为开发平台，构建基于深度学习技术的图像分类模型，实现垃圾图片类别的精准识别，推动自动识别垃圾领域的相关技术发展，减轻城市居民在垃圾分类方面面临的困扰。

本次大赛，主要分为初赛和现场决赛两个阶段：

初赛从2019.7.30开始至2019.9.10止，参赛选手报名成功后，每天拥有5次代码提交机会并反馈每次的跑分和运行日志，8月7日开始，每个自然日更新排行榜，按照得分（截止当天的历史最优成绩）从高到低排序，初赛截止时（9月9日12:00截止作品提交），产生最终成绩排行，最终成绩以初赛阶段历史最高成绩为准。经过信息审核后，9月10日10:00公布历史最高成绩排名，TOP10的队伍晋级决赛。

决赛阶段及颁奖将在2019.9.10-2019.9.19进行，入围总决赛的10支队伍将受邀前往华为全联接大会现场进行总决赛，角逐出冠亚季军。

大赛设置了总金额高达94万的奖金，其中冠军队将获得奖金20万现金+10万代金券以及获奖证书，2支亚军队伍将获得奖金10万现金+5万代金券以及获奖证书，3支季军队伍将各获得奖金5万+3万代金券以及获奖证书，5支优胜奖队伍将获得奖金1万+1万代金券以及获奖证书。截至8月13日，已有超过730人报名参加大赛。