trashnet
trashnet 是一个专注于垃圾图像分类的开源数据集与深度学习项目，源自斯坦福大学 CS229 机器学习课程的最终成果。它旨在解决自动化垃圾分类中的视觉识别难题，通过人工智能技术辅助判断物品的可回收状态，从而提升环保效率。
该项目核心包含一个涵盖六大类别（玻璃、纸张、硬纸板、塑料、金属及其他垃圾）的图像数据集，共收录 2500 多张在受控光照下拍摄并统一分辨率的照片。基于 Torch 框架，trashnet 构建并训练了卷积神经网络（CNN）模型。其技术亮点在于采用了 Kaiming 权重初始化方法，显著优化了模型性能，在测试集上实现了约 75% 的分类准确率。
trashnet 非常适合计算机视觉领域的研究人员、AI 开发者以及关注环保科技的学生使用。研究人员可将其作为基准数据集验证新算法；开发者能利用其提供的代码架构快速搭建垃圾识别原型系统；教育工作者也可借此开展相关的机器学习教学实践。虽然部分原始代码基于 Lua/Torch 编写，但其数据预处理流程支持 Python，且数据集已托管于 Hugging Face，便于现代开发者集成与应用。对于希望探索 AI 在可持续发展领域落地场景的用户来说，trashnet 提供了一个扎实且透明的起步平台。
使用场景
某智慧社区开发团队正致力于升级小区的垃圾分类回收站，需要让摄像头自动识别居民投递的垃圾类型以进行积分奖励。
没有 trashnet 时
- 数据收集成本极高：团队需人工拍摄并整理玻璃、纸张、塑料等六类垃圾图片，耗时数周仍难以覆盖多样化的光照和角度场景。
- 模型训练起点低：由于缺乏高质量的预训练数据集，卷积神经网络（CNN）从零开始训练，收敛速度慢且容易过拟合。
- 分类准确率不稳定：在测试中，模型难以区分外观相似的“纸板”与“普通纸张”，导致错误分类率高，用户投诉频发。
- 研发周期被迫拉长：工程师将大量时间耗费在数据清洗和标注上，核心算法优化进度严重滞后，项目无法按期上线。
使用 trashnet 后
- 即刻获得标准数据集：直接调用包含 2500+ 张已标注图片的 trashnet 数据集，涵盖六种主要垃圾类别，省去了数月数据采集工作。
- 模型快速收敛：基于 trashnet 提供的 Torch 架构和 Kaiming 权重初始化方法，模型在 GPU 加速下迅速达到约 75% 的测试准确率。
- 复杂场景识别提升：利用数据集中不同设备（iPhone 系列）和光照条件下拍摄的样本，显著提升了系统对反光玻璃或褶皱纸团的辨别能力。
- 聚焦核心业务逻辑：团队得以跳过基础数据准备阶段，直接将精力投入到回收站的硬件集成与用户交互体验优化上。
trashnet 通过提供标准化的垃圾图像数据集与成熟 CNN 代码，将原本漫长的冷启动过程缩短为几天，大幅降低了智能垃圾分类系统的落地门槛。
运行环境要求
- Linux
- macOS
需要 NVIDIA GPU (项目使用 GTX 650 Ti 测试)，需安装 CUDA 6.5 或更高版本以启用加速
未说明
快速开始
trashnet
这是我与Mindy Yang为斯坦福大学CS 229机器学习课程完成的期末项目所用的代码（仅限卷积神经网络）及数据集。我们的论文可在此查阅：链接。海报上展示的卷积神经网络结果是当时的最新进展；在学期结束后，我们继续优化模型，并将权重初始化方法改为Kaiming初始化，最终在70/13/17的训练/验证/测试集划分下，将测试准确率提升至约75%。
数据集
本仓库包含我们收集的数据集，涵盖六个类别：玻璃、纸张、纸板、塑料、金属和垃圾。目前数据集共有2527张图片：
- 玻璃：501张
- 纸张：594张
- 纸板：403张
- 塑料：482张
- 金属：410张
- 垃圾：137张
这些图片是在白色海报纸背景上拍摄的，使用自然光和室内灯光。所有图片均已调整为512×384像素，您可以在data/constants.py中修改此尺寸（调整尺寸需按照使用说明中的步骤1操作）。拍摄设备包括Apple iPhone 7 Plus、Apple iPhone 5S和Apple iPhone SE。
原始数据集大小约为3.5GB，超出了git-lfs的最大限制，因此已上传至Google Drive。如果您计划使用Python代码预处理原始数据集，请从下方链接下载dataset-original.zip，并将解压后的文件夹放置于data目录内。
如您使用本数据集，请引用本仓库。数据集可在此下载：链接。
安装
Lua环境配置
我们使用Lua结合Torch编写代码，安装说明请参见这里。您需要以下Lua包：
安装Torch后，可通过以下命令安装这些包：
# 使用Luarocks安装
luarocks install torch
luarocks install nn
luarocks install optim
luarocks install image
luarocks install gnuplot
此外，我们还需要@e-lab提供的权重初始化模块，该模块已包含在本仓库中。
CUDA支持
由于训练过程耗时较长，建议使用GPU以加快计算速度。我们使用了配备CUDA的GTX 650 Ti显卡。要启用CUDA加速，您需先安装CUDA 6.5或更高版本。CUDA安装程序可在NVIDIA开发者网站获取。
随后还需安装以下用于CUDA的Lua包：
可通过以下命令安装这些包：
luarocks install cutorch
luarocks install cunn
Python环境配置
目前部分图像预处理任务使用Python完成。所需的Python依赖包包括：
您可以通过以下命令安装这些包：
# 使用pip安装
pip install numpy scipy
使用说明
步骤1：准备数据
解压data/dataset-resized.zip。
若需添加新数据，必须正确编号并放入data/dataset-original中的相应文件夹，然后进行预处理。预处理时需删除data/dataset-resized文件夹，并在trashnet/data目录下运行python resize.py，整个过程大约需要半小时。
步骤2：训练模型
待补充
步骤3：测试模型
待补充
步骤4：查看结果
待补充
贡献
- Fork本仓库！
- 创建您的功能分支：
git checkout -b my-new-feature - 提交更改：
git commit -m '添加新功能' - 推送至分支：
git push origin my-new-feature - 发起Pull Request
致谢
- 感谢斯坦福大学CS 229课程2016–2017年秋季学期的教学团队，为我们提供了精彩的课程！
- 感谢@e-lab提供的权重初始化Torch模块
待办事项
- 完成README中“使用说明”部分的内容
- 补充CS 229项目截止日期之后取得的具体结果及所用参数
- 在
plot.lua中加入混淆矩阵数据的保存及图表生成功能 - 重写数据预处理代码，使其仅在图像尺寸未发生变化时才重新处理
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。