rootstrap-org/waste-classifier

该数据集包含不同类别的废物图像，用于图像分类任务，特别是废物分类。类别包括纸板、堆肥、玻璃、金属、纸张、塑料和垃圾。数据集由Rootstrap团队整理，结合了Trashnet数据集和通过互联网搜索获取的额外图像。其目的是为了提高废物分类的准确性，帮助环境保护。

原始信息汇总

数据集卡片 for waste classifier

数据集描述

• 任务类别: 图像分类
• 标签: 废物, 分类
• 美观名称: waste-cl

数据集内容

该数据集包含以下类别的废物图像：

• 纸板
• 堆肥
• 玻璃
• 金属
• 纸张
• 塑料
• 垃圾

数据集详情

• 由谁策划: Rootstrap
• 许可证: MIT

数据集来源

数据集是 Trashnet 数据集和通过互联网搜索获得的更多图像的组合。 相关论文: Classification of Trash for Recyclability Status

用途

该数据集可用于废物分类或其他类型的项目。

直接用途

该数据集用于构建废物分类器，以便在我们的办公室中正确分类不同类型的废物。

数据集结构

数据已分为训练和测试文件夹。每个文件夹包含每个类别的一个文件夹。

数据集创建

策划理由

在 Rootstrap，我们的机器学习工程师致力于提高对正确废物分类的意识，以帮助环境。他们的决心促使创建了 RootTrash，一个内部 AI 驱动的应用程序，帮助我们正确回收。

数据收集和处理

部分图像通过 Bing 搜索引擎使用 API HTTP 获取。下载图像的代码可在 Google Colab 找到。

数据源生产者

Thung, G., & Yang, M. (2016). Classification of Trash for Recyclability Status.

偏差、风险和限制

当前模型主要使用互联网图像进行训练，其中大部分图像具有白色背景。这可能在测试真实图像时成为一个问题。未来，数据集将通过应用程序拍摄的照片进行扩展。

建议

将此模型与检测模型（如 rootstrap-org/waste-detector）集成。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于垃圾分类的图像分类数据集，包含7个类别的垃圾图片，数据来源于Trashnet和互联网搜索，适用于构建垃圾分类模型。数据集已分为训练集和测试集，总共有3,261行数据。