Jun, 2021

ZeroWaste 数据集：面向杂乱场景中的可变形物体分割

PDF
TL;DR该研究利用零浪费（ZeroWaste）数据集的计算机视觉技术，旨在提高回收处理过程中的分选效率，从而减少污染。
recyclingwaste sortingcomputer visiondatasetobject detection
发现论文，激发创造
  • SpectralWaste 数据集：用于垃圾分类自动化的多模态数据

    对于物体分割的多模态感知在实际废物管理环境中进行了研究，包括数据集收集和算法评估，证明了高光谱成像可在工业环境中提升光学感知性能。

    Mar, 2024

  • 垃圾桶：一个面向海洋垃圾视觉检测的语义分割数据集

    该研究介绍了 TrashCan 数据集，用于开发机器学习算法进行水下垃圾和海洋垃圾检测，训练也给出了两种分类方法，并通过 Mask R-CNN 和 Faster R-CNN 算法给出了初步结果。

    Jul, 2020

  • 深度学习创新在水下废物检测中的应用：一项深入分析

    通过综合评估现有数据集和先进技术的体系结构，本文旨在为水下废物和垃圾检测建立基线，从而为先进的水下传感器和自主水下车辆提供目标定位技术的基准，最终实现水下环境的探测、废物识别和清除。

    May, 2024

  • 优化后的自定义数据集用于有效检测水下垃圾

    本文提出了一个基于深度学习的高效检测方法和包含多种水下环境的标注数据集，以更精确地定位、分类和移除水下废弃物及海底垃圾，并解决由于光线折射、颜色失真等因素带来的诸多挑战。

    May, 2023

  • 资源受限语义分割用于垃圾分类

    本研究提出了适用于减少废物环境影响的资源受限语义分割模型，以在 10MB 内存约束条件下用于工业废物的分割回收，并通过量化和修剪技术获得了积极的结果。

    Oct, 2023

  • MWaste：一种处理家庭垃圾的深度学习方法

    介绍了一种名为 MWaste 的移动应用程序，使用计算机视觉和深度学习技术将垃圾材料分类为垃圾、塑料、纸张、金属、玻璃或纸板，可以帮助有效处理垃圾、减少温室气体的排放。

    Apr, 2023

  • 实施基于边缘的微塑料残骸目标检测

    使用计算机视觉和开放视觉的增强卷积神经网络方法检测塑料残留物，以解决塑料垃圾在环境中的积累和污染问题。

    Jul, 2023

  • 设计一个可持续的海洋垃圾清理框架，不包含人类标签

    利用航拍图像和计算机视觉技术，本研究介绍了一种远程垃圾调查框架，通过 Grounding DINO 和 CLIP 实现零样本的垃圾检测和分类，并使用 Scale-Invariant Feature Transform 进行重复匹配，旨在支持高效可持续的社区清洁项目。

    May, 2024

  • 多个深度 CNN 模型应用于废品分类的比较分析

    本研究旨在分析实现自动废物分类和收集的可能性，通过使用深度学习网络来对废物进行有效分类，进一步促进再生资源的回收。研究结果表明使用 ResNet18 网络进行微调，可以实现废物分类的最佳识别率为 87.8%。

    Apr, 2020

  • 卷积神经网络推断可回收物品

    使用卷积神经网络和计算机视觉开发了一个用于自动化固体废物分类的工具，通过使用新构建的数据集及三种网络，成功达到 99% 的准确率并将网络的尺寸缩小一半，并将这三个网络进行了浮点数和其他格式的量化，以在移动应用程序中使用。

    Apr, 2021