WasteNet

Der weltweit größte Datensatz für Abfälle, mit bahnbrechender Forschung, die Innovationen in Abfallsortiertechnologien vorantreibt

recycleye

Über WasteNet

Unsere bahnbrechende Forschung wurde in Zusammenarbeit mit Wissenschaftlern führender Universitäten entwickelt, um WasteNet zu schaffen: den weltweit größten Datensatz für Abfälle.

Es verfügt über mehr als 3 Millionen Trainingsbilder, die durch Deep Learning und Computer Vision erstellt und durch Gewicht und Erkennung auf Markenebene verfeinert wurden.

WasteNet wird von 4 einzigartigen Säulen untermauert: Abfallbilddatensätze, Forschungsarbeiten, unser Datenexplorationstool und Abfalltaxonomie.

Abfallbild-DatasetsForschungsarbeitenVIZ-EDAAbfalltaxonomie

Abfallbild-Datasets

Mit Recycleye Vision haben wir über 3 Millionen Bilder von Abfallprodukten in MRFs analysiert (tendenziell!). Unsere Datenbanken werden von unserem Expertenteam aus Ingenieuren für maschinelles Lernen und akademischen Forschungspartnern zusammengestellt und bilden das Herzstück unserer Bilderkennungsfunktionen.

recycleye

Forschungsarbeiten

Maschinelles Lernen

WasteNet - Deutsch

Single Shot 2D Image to 3D Model

This research consists of 2 papers offering differing reconstruction approaches to obtain high accuracy inferences…
WasteNet - Deutsch

Deep Learning: Unsupervised Domain Adaptation

The goal of this WasteNet series is to engineer a Deep Learning model that will…
Logo detection
WasteNet - Deutsch

An Application of Machine Learning for Brand-Level Waste Management

Computer vision for brand-level logo detection of waste in real-time was tested. The brand recognition…

Abfallwirtschaft

recycleye
WasteNet - Deutsch

Modelling of a modern MRF

Paloma's paper has a dual focus on two of the challenges faced by MRFs today:…
WasteNet - Deutsch

Decentralised and Digitised Mini Material Recovery Facilities

This research explores the disruption of centralised waste facilities to accommodate a decentralised model, known as the…
recycling regulations
WasteNet - Deutsch

Regulated Bans in Waste Management

Amandine looks at how we can form healthier consumer habits and increased recycling rates by…

Viz-EDA

Wir wissen, dass Datensätze komplex und schwer zu visualisieren sind, deshalb haben wir Viz-EDA entwickelt: ein exploratives Datenanalyse-Tool, das hilft, die Daten zu durchschauen. Es ist vollständig Open-Source.

Mehr erfahrenGitHub anzeigen

Unsere Abfalltaxonomie

Bei Recycleye konstruieren wir einen globalen Standard für die Abfallklassifizierung, damit Branchenakteure auf der ganzen Welt eine gemeinsame Sprache sprechen und Klarheit zwischen den Märkten schaffen können.

recycleye