連日來無人機和人工智能幫助對抗舊金山灣的垃圾問題向來一不斷的有小伙伴關(guān)注，不僅如此還衍生出了各大相關(guān)話題，那么跟著小編來看看無人機和人工智能幫助對抗舊金山灣的垃圾問題以及它的相關(guān)資訊吧！
自從工業(yè)化學(xué)家Leo Baekeland于1907年開始合成苯酚和甲醛以來，全世界就已經(jīng)與這種聚合物（塑料）形成了愛恨交錯的關(guān)系。
?
深度學(xué)習(xí)清理人員
通過在舊金山灣和附近的支流上發(fā)送無人機，SFEI在最初的嘗試中收集了約35,000張圖像。
“如此迅速地覆蓋這么多土地實在令人驚訝，” Hale說道。但是他的興奮很快消逝了，因為在合理的時間內(nèi)處理大量數(shù)據(jù)的現(xiàn)實設(shè)置為：“我們花了將近一個月的時間來處理這些圖像。”
Hale和他的團隊使用2,000個注釋來描述各種垃圾顆粒，他們正在訓(xùn)練一種開源TensorFlow機器學(xué)習(xí)算法，以識別在這35,000張圖像中描繪的每個垃圾顆粒的類型，數(shù)量和位置。
為了加快分析速度，SFEI與Kinetica（一家參與Oracle for Startups計劃的數(shù)據(jù)分析初創(chuàng)公司）合作。Kinetica的CMO Daniel Raskin說，它將SFEI的垃圾檢測模型放入Docker容器中，然后將其引入Kinetica的“主動分析”工作臺。然后，使用Python API，Kinetica將圖像流式傳輸?shù)奖碇?，可以在其中存儲，分類和標記圖像。
“我們不只是攝取這些圖像并將其分發(fā)到我們的平臺中，” Raskin說。“我們還運行SFEI的垃圾檢測模型，以對所有擊中我們數(shù)據(jù)庫的圖像進行分類。”
這給SFEI不僅僅是一個龐大的圖像目錄。加州水質(zhì)看門狗現(xiàn)在可以根據(jù)其地理位置和垃圾狀況將35,000張圖像可視化。
最初，Kinetica使用托管的Kubernetes在其自己的4核計算機上從分布式CPU框架運行SFEI的部署。“我們花了大約10天的時間來運行整個模擬，”從事SFEI項目的Kinetica的解決方案工程師Nick Alonso說。即使使用單個GPU將應(yīng)用程序移至服務(wù)器（非常適合機器學(xué)習(xí)工作的處理器）之后，模擬仍然花費了一周的大部分時間。
然后，Kinetica決定使用八個V100 GPU 在Oracle Cloud Infrastructure上運行SFEI的全部工作負載。“我們不再談?wù)撨\行模擬的日子，”阿隆索說。“確切地說，我們需要幾個小時才干完成工作-大約需要18小時26分鐘。”