WasteNet

La plus grande base de données au monde sur les déchets, avec une recherche pionnière qui stimule l’innovation dans les technologies de tri des déchets

recycleye

À propos de WasteNet

Notre recherche pionnière a été développée en partenariat avec des facultés de premier plan pour créer WasteNet: la plus grande base de données au monde sur les déchets.

WasteNet contient plus de 3 millions d’images d’entraînement créées par l’apprentissage artificielle et la reconnaissance d’images. Ces images permettent même la caractérisation du poids et de la marque.

WasteNet repose sur 4 piliers uniques : les bases de données d’images de déchets, les documents de recherche, notre outil d’exploration de données et la taxonomie des déchets.

Images de déchetsDocuments de rechercheVIZ-EDATaxonomie des déchets

Base de données d’images de déchets

Grâce à Recycleye Vision, nous avons analysé plus de 3 millions d’images de déchets dans des centres de tri (et la tache continue!). Rassemblées par notre équipe d’experts composée d’ingénieurs en apprentissage automatique et de partenaires de recherche universitaires, nos bases de données sont au cœur de nos capacités de détection d’images.

recycleye

Documents de recherche

Apprentissage automatique

Logo detection
WasteNet - Français

An Application of Machine Learning for Brand-Level Waste Management – Français

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

Deep Learning: Unsupervised Domain Adaptation – Français

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

Single Shot 2D Image to 3D Model – Français

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

Industrie de la gestion des déchets

recycling regulations
WasteNet - Français

Regulated Bans in Waste Management – Français

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

Decentralised and Digitised Mini Material Recovery Facilities – Français

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

Modelling of a modern MRF

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

Viz-EDA

Les bases de données sont souvent complexes et difficiles à visualiser, nous avons donc créé Viz-EDA : un outil d’analyse exploratoire des données qui aide à voir à travers les données. Il est complètement open-source et disponible pour être utilisé.

En savoir plusVisiter GitHub

Taxonomie des déchets

Chez Recycleye, notre but est de créer une norme mondiale pour la classification des déchets afin que les acteurs de l’industrie à travers le monde puissent parler une langue commune, établissant ainsi la clarté entre les marchés.

recycleye