日韩丰满少妇无码内射

隨著垃圾分(fen)類成為今夏(xia)最熱話題，國內互聯網(wang)、科技公司紛紛推出(chu)(chu)了小(xiao)程(cheng)序(xu)、App等查(cha)詢(xun)應用，包括百度、搜狗、科大(da)訊飛等公司均推出(chu)(chu)了相(xiang)(xiang)關的智能查(cha)詢(xun)功能。支付寶、微信上也(ye)有不少相(xiang)(xiang)關小(xiao)程(cheng)序(xu)和小(xiao)游戲。這些應用的特點大(da)同小(xiao)異(yi)，主要(yao)以(yi)查(cha)詢(xun)為主，支持(chi)語(yu)音、圖像查(cha)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(xing)訓練好(hao)后(hou)，可以將新的(de)圖片輸入給模型(xing)，模型(xing)會識別、定位出是哪種(zhong)類型(xing)的(de)垃圾以及(ji)所在的(de)位置，從而(er)實現垃圾分(fen)類的(de)需(xu)求(qiu)。

“目前(qian)計(ji)算機視覺技術(shu)已經相(xiang)當成熟(shu)，第四(si)范式在計(ji)算機視覺領域(yu)已經有了深(shen)厚的(de)(de)積累。能否投入使用的(de)(de)關鍵在于(yu)模(mo)型(xing)識(shi)(shi)別(bie)的(de)(de)精準度，而影響模(mo)型(xing)精準度的(de)(de)關鍵在于(yu)原始數據量(liang)的(de)(de)質量(liang)的(de)(de)大(da)(da)小(xiao)。原始數據質量(liang)越高(gao)，數量(liang)越大(da)(da)，訓練出識(shi)(shi)別(bie)準確率(lv)高(gao)的(de)(de)模(mo)型(xing)幾率(lv)越大(da)(da)。”

上述技術(shu)人員表(biao)示，數據庫中包含是(shi)經(jing)過標注過的(de)數據，標注的(de)質量越高，AI訓練的(de)效(xiao)果越好。

但目前，最大的問題是(shi)(shi)，標(biao)注數(shu)據的過程更(geng)多的是(shi)(shi)由人工(gong)來(lai)完成，現階(jie)段還無法(fa)由AI來(lai)實現。雖然(ran)一些研究者正(zheng)在(zai)探索(suo)自動標(biao)注數(shu)據的工(gong)作，但離真(zhen)正(zheng)應(ying)用還存在(zai)很長的距(ju)離。

此外(wai)，值得思考的是(shi)，如果將來各個城(cheng)市的垃(la)圾分類標準不統(tong)一(yi)，也將會對AI提(ti)出(chu)更高的要求。