ThanosNet: Ein neuartiges Verfahren zur Abfallklassifizierung mithilfe von Metadaten

In jüngster Zeit hat der Fortschritt bei tiefen neuronalen Netzen eine erhebliche Entwicklung der Literatur zur bildbasierten Abfallklassifizierung vorangetrieben. Diese Ansätze nutzen überwiegend Transferlernen, um state-of-the-art-Ergebnisse zu erzielen. In diesem Beitrag wird eine neue Methodologie vorgestellt, die Metadaten wie Standort und zeitbasierte Verkehrsintensität nutzt, um bestehende bildbasierte Klassifikatoren zu unterstützen. Wir haben das ISBNet-Datensatz erstellt, der 889 Bilder und deren zugehörige Metadaten umfasst, verteilt auf fünf Klassen (Papier, Kunststoff, Dosen, Tetra-Pak und Deponie). Dieser Datensatz diente zur Entwicklung unseres Modells ThanosNet, das gegenüber aktuellen state-of-the-art-Bildklassifikationsmodellen für Abfall überlegen ist. Obwohl ISBNet auf eine einzelne Nutzercommunity beschränkt ist, ist die hier entwickelte allgemeine Methodologie auf eine breite Palette von Verbraucheranwendungsfällen übertragbar.