ecosnap
1.0.0
人工知能でプラスチックをよりよくリサイクルします♻️
EcoSnapは、あなたの場所に合わせてアドバイスを使用して、簡単な写真からアイテムをどのように、どこでリサイクルするかを教えてくれます。私たちは、ベンズバイトAIハッカソンのために1週間でこの製品を構築しました。
今すぐ試してみてください - サインインは必要ありません
GitHubスポンサーを介してこのプロジェクト（および他の多くのプロジェクト）をサポートできます！ ❤❤️
Alyssa X＆Leoによって作られました。ここでこれをどのように構築したかについて詳しく読んでください。
？プラスチックコードの写真をスナップまたはアップロードします
簡単にアクセスできるように、携帯電話にPWAをインストールしてください
？特定のアイテムを検索して、それを処分する方法を知る
AIを使用して効果的にリサイクルする方法を学びます
？リサイクルしたプラスチックアイテムの数を追跡してください
？特定のアドバイスのためにあなたの場所を変更してください
...そしてもっと来るべきこと - すべて無料でサインインする必要はありません！
ここをクリックして、vercelに直接展開できます。
重要： .envファイルのnext_public_model_urlの環境変数を必ず更新し、model.jsonをホストする絶対URLに設定してください（JSONと一緒に他のシャードビンファイルを含めるようにしてください）。
このモデルは、7つの異なる樹脂コードの画像例でトレーニングされました。これのデータはml/seven_plasticsで見つけることができます。これは、著者と貢献者によって収集された次のKaggleデータセットと画像の組み合わせです。
最終モデルは、TensorflowのEfficientNet実装を使用してトレーニングされ、モデルの重みは転送学習のために凍結されたため、モデルは樹脂コードをより速く学習できます！モデルは、より速いトレーニングのために、GPU駆動のマシンでPythonでトレーニングされました！ ml/train.pyでトレーニングスクリプトを見つけて自分で試してみることができます。そこでは、最終モデルに到着する前に、さまざまなメタアーキテクチャとパラメーターが実験されたことがわかります。
プラスチック樹脂コードを予測するために、モデルをフロントエンドアプリとリアルタイムの結果を統合する必要がありました。これを行うには、Tensorflow.jsと互換性のある方法でモデルを変換する必要がありました。 Webワーカーを使用して、クライアントの予測を実行しながらメインスレッドがブロックされないようにしました。
このアプリは、画像テンソルをモデルに渡し、その後、各プラスチック樹脂コードの確率を提供します。最高の確率を持つものは、ユーザーに表示されます。
特定のモデルのトレーニングは困難であり、モデルは常に間違っています。もしそうなら、私たちはユーザーに正しいコードが何であるかを私たちに伝える機会を与えます！これはいくつかの方法で利点があります：
フィードバックループにフロントエンドを実装している間、複雑さとコストを追加したため、バックエンドに接続しないことになり、アプリを非常に軽量でクライアントで完全に実行したいと考えました。また、ユーザーに画像がどのように使用されるかを明確に通信し、オプトインまたはオプトアウトシステムのいずれかをセットアップする必要があります。
質問やフィードバックがある場合は、[email protected]、AlyssaまたはLeoに直接連絡してください！これが便利だと思いますか？
