语言:

• 英文 指标:
• 准确率 基础模型:
• 微软/resnet-50 任务标签:
• 图像分类 标签:
• 回收
• 深度学习
• 变形器
• tf-keras
• keras
• tftools 任务:
• 图像分类 库名称:
• transformers

在全球范围内，被投入垃圾桶的物品中真正得到回收的比例极低。其中一个主要原因是人们将可回收物错误地投放到错误的垃圾桶中，导致整辆回收车被拒收并送往垃圾填埋场。环境中剩余的资源正在减少，而我们本可以回收的少量资源也可能被浪费。该项目试图通过创建能够从图像中自动分类/识别可回收物的人工智能来解决这一问题。最终创建的模型能够在80%的情况下正确分类可回收物的图片。研究发现，当拍摄的可回收物图片属于以下五类之一（玻璃、金属、纸板、特定塑料-聚苯乙烯或其他可回收塑料）时，模型在25次中有20次能够正确分类，并且在正确预测时表现出极高的置信度（平均55%）。这项工作的意义在于展示了人工智能如何开始成为人类做出正确选择的指南。然而，如果人类过度依赖人工智能，可能会产生意想不到的后果，例如人们经常根据人工智能的“判断”来推翻自己的判断，从而导致与人工智能相同的错误，而正如上述结果所示，人工智能也可能犯错。1该项目预计将为轻量级、高效、简单且易于使用的方式打开大门，不仅减少家庭或办公环境中的回收污染，还能使用户更容易、更快速地进行回收。欢迎使用回收机器人。

如何在代码中使用此模型：

首先安装tftools（由我开发的包）：

pip install --upgrade tensorflowtools

然后下载模型：（除非您想更新，否则只需执行一次）

import tensorflowtools
tensorflowtools.hftools.download_model_from_huggingface("sharktide", "recyclebot0", "tf_model.h5")

现在，要在代码中加载模型，只需执行以下操作：

#像使用tf.keras.models.load_model()一样加载模型
import tensorflowtools
model = tensorflowtools.kerastools.load_from_hf_cache("sharktide", "recyclebot0", "tf_model.h5")
model.summary

一个可用的原型可以在项目的网站上找到：https://recyclesmart.verecl.app

此外，网站代码也在GitHub上：https://github.com/sharktide/recyclesmart

模型作为.keras归档文件可以在GitHub仓库中找到：https://github.com/sharktide/recyclebot

我们的API可以在以下地址找到：https://huggingface.co/spaces/sharktide/recycleAI-api/tree/main