論文の概要: Cost of Dietary Data Acquisition with Smart Group Catering
- arxiv url: http://arxiv.org/abs/2001.00367v1
- Date: Thu, 2 Jan 2020 09:25:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 03:40:21.454798
- Title: Cost of Dietary Data Acquisition with Smart Group Catering
- Title(参考訳): スマートグループキャタリングによる食事データ取得のコスト
- Authors: Jiapeng Dong and Pengju Wang and Weiqiang Sun
- Abstract要約: 食事データ管理の必要性は、食事摂取に対する認識が高まりつつある。
どちらの場合も人的労働が関与するため、データ品質には人的力の割り当てが不可欠である。
本稿では,食生活データの品質と投資マンパワーの関係について検討した。
- 参考スコア(独自算出の注目度): 4.511923587827301
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The need for dietary data management is growing with public awareness of food
intakes. As a result, there are increasing deployments of smart canteens where
dietary data is collected through either Radio Frequency Identification (RFID)
or Computer Vision(CV)-based solutions. As human labor is involved in both
cases, manpower allocation is critical to data quality. Where manpower
requirements are underestimated, data quality is compromised. This paper has
studied the relation between the quality of dietary data and the manpower
invested, using numerical simulations based on real data collected from
multiple smart canteens. We found that in both RFID and CV-based systems, the
long-term cost of dietary data acquisition is dominated by manpower. Our study
provides a comprehensive understanding of the cost composition for dietary data
acquisition and useful insights toward future cost effective systems.
- Abstract(参考訳): 食事データ管理の必要性は、食事摂取に対する認識が高まりつつある。
その結果、RFID(Radio Frequency Identification)またはCV(Computer Vision)ベースのソリューションを通じて食事データを収集するスマートキャンティーンの展開が増加している。
どちらの場合も人的労働が関与するため、データ品質には人的力の割り当てが不可欠である。
マンパワー要件が過小評価されている場合、データ品質は損なわれる。
本稿では,複数のスマート缶から収集した実データに基づく数値シミュレーションを用いて,食事データの品質と投資マンパワーの関係について検討した。
RFIDとCVベースのシステムでは,食事データ取得の長期的コストは人力に支配されていることがわかった。
本研究は、食事データ取得におけるコスト構成の包括的理解と、将来のコスト効果システムに対する有用な洞察を提供する。
関連論文リスト
- From Data Creator to Data Reuser: Distance Matters [1.000779758350696]
データ管理への投資は、誰がデータを再利用できるか、どのように、なぜ、いつ、どのように再利用するかを考えることで、より賢明に行うことができる。
データクリエータは、すべての再利用や再利用を期待することはできない。
我々は,データ作成者とデータ再使用者の間の距離の理論的構成を開発する。
論文 参考訳(メタデータ) (2024-02-05T18:16:04Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-11-22T22:15:17Z) - Transforming Agriculture with Intelligent Data Management and Insights [3.027257459810039]
現代の農業は、気候変動と天然資源の枯渇の制約の下で、食料、燃料、飼料、繊維の需要の増加に対応するための大きな課題に直面している。
データ革新は、アグロエコシステムの生産性、持続可能性、レジリエンスの確保と改善に緊急に必要です。
論文 参考訳(メタデータ) (2023-11-07T22:02:54Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and
Regulatory Norms [58.93352076927003]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-24T14:01:53Z) - NutritionVerse: Empirical Study of Various Dietary Intake Estimation
Approaches [60.97896788599621]
食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。
最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。
我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。
また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
論文 参考訳(メタデータ) (2023-09-14T13:29:41Z) - rWISDM: Repaired WISDM, a Public Dataset for Human Activity Recognition [0.0]
HAR(Human Activity Recognition)は、医療、運動競技、スマートシティ、スマートホームといった様々な分野に応用されているため、近年の科学的研究において注目されている。
本稿では,他の研究者が公開データセットに類似した問題を同定し,修正する手法を提案する。
論文 参考訳(メタデータ) (2023-05-17T13:55:50Z) - How Much More Data Do I Need? Estimating Requirements for Downstream
Tasks [99.44608160188905]
小さなトレーニングデータセットと学習アルゴリズムがあれば、ターゲットの検証やテストのパフォーマンスに到達するのに、どれくらいのデータが必要か?
データ要求を過大評価または過小評価すると、十分な予算で回避できる相当なコストが発生する。
本ガイドラインを用いることで,機械学習システムのデータ要求を正確に推定し,開発時間とデータ取得コストの双方で節約することができる。
論文 参考訳(メタデータ) (2022-07-04T21:16:05Z) - Data Smells in Public Datasets [7.1460275491017144]
我々は、機械学習システムにおける問題の早期兆候を示すために使用できる、新しいデータ臭いのカタログを紹介する。
データセットにおけるデータ品質の問題の頻度を理解するために、25の公開データセットを分析し、14のデータ臭いを特定します。
論文 参考訳(メタデータ) (2022-03-15T15:44:20Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳(メタデータ) (2021-08-06T05:46:01Z) - A Principled Approach to Data Valuation for Federated Learning [73.19984041333599]
フェデレートラーニング(FL)は、分散データソース上で機械学習(ML)モデルをトレーニングする一般的なテクニックである。
Shapley value (SV) はデータ値の概念として多くのデシラタを満たすユニークなペイオフスキームを定義する。
本稿では,FL に対応する SV の変種を提案する。
論文 参考訳(メタデータ) (2020-09-14T04:37:54Z) - From Data to Knowledge to Action: A Global Enabler for the 21st Century [26.32590947516587]
コンピュータと数理科学の進歩が相まって、真の証拠に基づく意思決定を可能にする前例のない能力がもたらされた。
これらの機能は、データの大規模なキャプチャと、そのデータの洞察とレコメンデーションへの変換を可能にする。
商業、科学、教育、芸術、エンターテイメントのWebへの移行により、人間の活動に関する構造化された、非構造化されたデータベースが、これまで例のない量で利用可能になった。
論文 参考訳(メタデータ) (2020-07-31T19:19:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。