内容
0環境
1はじめに
2つのアイデア
3画像分類
4まとめ
0環境
Pythonのバージョン:3.6.8
システムバージョン:MacOSのモハーベ
PythonのJupyterノート
1はじめに
7月には、最近傷ついたとボロボロ拷問するための新たな政策されている必要があり、それはゴミです。「上海市の固形廃棄物管理条例」は正式に実装されている、私はどのカテゴリに投げ込まれるべきか完全には明らかに、私のような多くの小さなパートナーは、まだありますしていないと信じています。再び、それは本当に大きな頭で、拒否感じる日々学んでいます。
私は真珠ミルクティーのカップを飲むことはすべきではないと聞いたので投げていない
プールに水を注ぐためにお茶のない飲み、まず、1の
湿ったゴミの中に2、真珠、果物、肉や他の破片
、3にカップに投げ乾燥生ごみ
、4蓋付きのホットドリンクは、(例えば、ホットドリンクのほとんど)、プラスチック製のカバーはリサイクル可能な廃棄物の嘆きに帰することができるならば次に、カバーです
ここを参照してください、私たちは突然ハハ、牛乳にそれを飲みたくないされていません。しかし、ゴミを実行するものの、だけでなく、お茶を飲むためによると、問題ではありません。
さて、ここでは、人工知能、データを議論したいと科学的な方法は、私たちに、より良いゴミを助けることができますか?そのために、私たちは心配するゴミをスローするかわかりません。
2つのアイデア
この問題は、おそらく複数のソリューション。ここだけで、それを開始するいくつかの簡単な洞察を提供しています。
第1の実施形態は、ジャンク情報テーブルのデータ、そして伝統的な機械学習法を行うことができます。
第二の選択肢は、すべてのゴミ情報は、知識マップを作るために、それぞれの時間は、クエリが辞書内の情報へのアクセスと同じようなものです。
第三の選択肢は、今、深い学習方法の使用は、スパムを識別し、分類することができます。ドライ廃棄物、湿った廃棄物、有害廃棄物やリサイクル可能な廃棄物を:私たちはごみの写真を与えるたびに、これが属するカテゴリを識別するためのモデルです。
3画像分類
画像分類は、学習の深さの古典的なアプリケーションです。その入力は絵で、その後、モデルの深い学習にいくつかの処理の後、モデルはジャンクカテゴリでこのイメージを返します。ドライ廃棄物、湿った廃棄物、有害廃棄物やリサイクル可能な廃棄物:ここでは、次の4つのカテゴリを検討します。
これは画像処理・認識の領域であり、ピクチャアイテムを分類します。AIは、この種の問題を解決するために畳み込みニューラルネットワーク(畳み込みニューラルネットワーク、CNN)を用いて行きました。
私は、モデルを構築するためにkerasパッケージとTensorflowバックエンドを使用します。そのため、訓練サンプルセットは比較的希少であることの、これだけのアイデアやコードのセットが与えることができます。私たちは、仕事の訓練モデルの前にデータ収集の波を行いました。
コードは、一般的にそれのように見えるで私たちは見てみましょう
まず、必要なパッケージをインポートします。
どのような準備作業を行います。
上記では、我々はいくつかの変数を初期化し、バッチサイズは128である。なぜなら必要分類番号のnum_classes = 4は、4、乾燥廃棄物、湿った廃棄物、有害廃棄物と資源ごみこれら四つのカテゴリーです。エポックは、私たちがトレーニングをしたい回です。次に、img_rows、img_cols = 28、28、我々は、画像の緯度サイズを与えました。
.reshape(60000,28,28,1)において、60000は、ピクチャ(変数)の数であり、画像のサイズが28(調整可能)であり、平均チャネルであり、チャネル= 1は、黒と白を指します。.reshape(10000,28,28,1は)同じ理由ですが、写真の数は10000です。
最後の2行に、我々は我々の目標は、二値変数に変換する、それはベクトル(行列)で表されている値。[1,0,0,0]乾燥製品を指すような、[0,1,0,0]湿潤ごみ等を指します。
次モデリングの一部です。
私たちは、プールモデルに畳み込み層と層を追加しました。アクティベーション機能はほとんど広く畳み込みニューラルネットワークと深い学習に使用されてrelu、relu機能です。また、オーバーフィッティングドロップアウトを減らすための層の間に追加されます。緻密層は予測カテゴリを作るために使用されます。
モデルの後、我々はオンラインの精度を確保するために、モデルを検証する必要があります。
ここでは、モデリングはおそらく行っていると予想しました。良いモデルは、我々はそれが許容可能なレベルに達するまで、ようにそれを最適化し、インジケータの精度を改善し続けなければなりません。
この最適化プロセスは、我々は深く議論し、後で続けるためにここにはありません。
4まとめ
メソッドを実装することが可能であるが、実際の操作は確かに特に精度の高い要求に、より複雑になりますが、それは、以下のことを言及する価値があります。
そしてまた、開発の私達の分類モデルを作るごみのいくつかのタイプを、含まれている絵は、より困難な、非常に複雑になったとき。
例えば、我々はそれが単一のカテゴリに属していないため、写真は、比較的大型のヘッドである、ごみの複数の種類が含まれているお茶を、廃棄物を実行します。
困難な道のりはそう確かですが、ここで共有したときに開始、それについての議論の出発点です。
結局のところ、李白は「大いなる野望、帆の海」と述べました。
いいえ社会的関心ない「Pythonの欄」舞台裏の返信「ゴミ2この記事のコードの完全なセットを取得するために」。さらに興味深いのpythonがあなたを待って