-
1 # 繁星落石
-
2 # 程式碼四驅
一項技術,要達到真正實用的程度,需要經過大量的最佳化和改良。
目前的這些程式,如果識別程度比較低,那就說明不太實用啊,畢竟他們剛剛推出來不久,還沒有經過大量的使用和實踐,還有非常大的可以改良的餘地。
特別是對於需要AI識別的,由於技術上的侷限,效果暫時還只能說是一般,當然隨著程式本身的不斷迭代和最佳化,最終他應該能夠做到識別的準確率高於大多數普通民眾的水平,如果能夠達到這種水平,我認為就可以稱得上是實用了,因為畢竟沒有100%準確的東西,也沒有100%能夠準確識別的人,總是要犯錯誤的,能夠達到一個相對比較滿意的程度,就已經算是可以了,對吧?
-
3 # IT兵器庫
實用。
因為小程式識別垃圾分類,本質是透過對打好標籤的影象進行機器學習。
而機器學習的路徑簡單來說,就是先學習這個圖片是什麼,然後才對圖片進行分類。
舉個例子,比如要讓機器識別出一張圖片表示的是貓,那麼可能需要機器去學習50W張貓的圖片,才能達到96%以上的識別率。
同理,如果要讓機器識別出任意一張你拍的照片是什麼,那麼這個學習量是很大的,
識別出一個物體都需要那麼多量級的圖片數,更別說是識別出所有的物體了。
因此,小程式識別準確度低的主要原因是:訓練出一個能識別任意照片並得知其為什麼物品的模型,需要的成本太高。
成本主要在於:
1.使用GPU裝置的成本,圖片為阿里雲的伺服器價格。因為產品要快速投入使用,所以不可能一開始就投入大量的精力去讓機器學習大量的圖片,是一個循循漸進模型不斷更新的過程,所以機器的成本是要不斷的去投入的。
2.垃圾分類小程式當前的變現渠道單一,撐死能加幾個廣告位。
如果投入跟產出不成正比,那更多的就是在做公益了。畢竟伺服器也是需要不斷支出的。所以在變現不明確的情況下,投入就不會太多,所以機器學習得到模型,識別出物品的識別率肯定不會特別高。
3. 如果考慮使用阿里雲或是騰訊雲的影象識別介面,當然也是需要付費的。
還是第2點一樣,如果投入跟產出不成正比,就是在做公益了。
從長遠的角度來看,識別的準確率會越來越高。
所以我依舊保留“實用”的態度。
-
4 # 池老師養生課堂
透過人工智慧化分類,對於分類檢測還是有一定的作用的!隨著網路時代的發展,以及Ai技術的發展,小程式智慧化會越來越完善!
回覆列表
有一個app叫“什麼垃圾”,支援手動輸入和語音識別,在垃圾分類方面還是比較專業的,提供模糊匹配,可以把類似名字的搜尋結果都呈現出來。一般日常會使用的垃圾還是都能搜得到的。