論文の概要: A Review of the Vision-based Approaches for Dietary Assessment

• arxiv url: http://arxiv.org/abs/2106.11776v1
• Date: Mon, 21 Jun 2021 06:30:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-24 07:01:28.049125
• Title: A Review of the Vision-based Approaches for Dietary Assessment
• Title（参考訳）: 食生活評価のためのビジョンベースアプローチのレビュー
• Authors: Ghalib Tahir and Chu Kiong Loo
• Abstract要約: 肥満などの食生活にまつわる問題は現代社会ではますます懸念されている。 コンピュータによる食品認識は、食事摂取量を評価するための視覚に基づく自動手法を提供する。
• 参考スコア（独自算出の注目度）: 4.347952928399708
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dietary-related problems such as obesity are a growing concern in todays modern world. If the current trend continues, it is most likely that the quality of life, in general, is significantly affected since obesity is associated with other chronic diseases such as hypertension, irregular blood sugar levels, and increased risk of heart attacks. The primary cause of these problems is poor lifestyle choices and unhealthy dietary habits, with emphasis on a select few food groups such as sugars, fats, and carbohydrates. In this regard, computer-based food recognition offers automatic visual-based methods to assess dietary intake and help people make healthier choices. Thus, the following paper presents a brief review of visual-based methods for food recognition, including their accuracy, performance, and the use of popular food databases to evaluate existing models. The work further aims to highlight future challenges in this area. New high-quality studies for developing standard benchmarks and using continual learning methods for food recognition are recommended.
• Abstract（参考訳）: 現代の世界では肥満などの食事関連の問題が懸念されている。 現在の傾向が続くと、肥満は高血圧、不規則な血糖値、心臓発作のリスクの増加といった他の慢性疾患と関連しているため、一般的に生活の質が著しく影響を受ける可能性が高い。 これらの問題の主な原因は、生活習慣の悪い選択と不健康な食事習慣であり、砂糖、脂肪、炭水化物など一部の食品群に重点を置いている。 この点において、コンピュータによる食品認識は、食事摂取量を評価し、人々がより健康的な選択をするのに役立つ自動視覚ベースの方法を提供する。 そこで,本論文では,食品認識のための視覚的手法について,その精度,性能,および既存のモデルを評価するための一般的な食品データベースの利用について概説する。 この作業は、この分野における今後の課題をさらに強調することを目的としている。 食品認識のための標準ベンチマークの開発と連続学習手法を用いた新しい高品質な研究が推奨されている。

関連論文リスト

• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• Image-Based Dietary Assessment: A Healthy Eating Plate Estimation System [0.0]
  食生活の栄養質は過去20年から30年の間に著しく悪化し、人々はしばしば低下を過小評価している。 本稿では,イメージ分析による食事の健康度評価を目的とした,革新的なイメージベース食事アセスメントシステムを提案する。 本システムでは, 皿上の食品を解析し, その割合を評価し, ハーバード大学の健康食品推奨事項に対する食事の付着度を計算するために, 高度な画像分割と分類技術を用いている。
  論文  参考訳（メタデータ） (2024-03-02T21:01:01Z)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
  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)
• Food Recognition and Nutritional Apps [0.0]
  食品認識と栄養アプリ(英語版)は、糖尿病患者が食事を管理する方法に革命をもたらすかもしれないトレンド技術である。 これらのアプリは糖尿病を管理するための有望なソリューションを提供するが、患者が使うことはめったにない。 本章は、食品の認識と栄養に関するアプリの現状を詳細に評価し、使用を阻害または促進する要因を特定することを目的としている。
  論文  参考訳（メタデータ） (2023-06-20T13:23:59Z)
• NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake Estimation [65.47310907481042]
  高齢者の4人に1人は栄養不良です。 機械学習とコンピュータビジョンは、食品の自動栄養トラッキング方法の約束を示す。 NutritionVerse-3Dは、105個の3D食品モデルの大規模な高解像度データセットである。
  論文  参考訳（メタデータ） (2023-04-12T05:27:30Z)
• Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
  栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。 米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。 提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
  論文  参考訳（メタデータ） (2022-06-05T02:41:44Z)
• 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)
• An Intelligent Passive Food Intake Assessment System with Egocentric Cameras [14.067860492694251]
  栄養失調は低所得国(LMIC)の主要な公衆衛生問題である 我々は,エゴセントリックカメラを用いた知的受動的摂食評価システムの実装を提案する。 摂取量を確実に監視し、ユーザの食行動にフィードバックを与えることができます。
  論文  参考訳（メタデータ） (2021-05-07T09:47:51Z)

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。