論文の概要: Towards Building a Food Knowledge Graph for Internet of Food
- arxiv url: http://arxiv.org/abs/2107.05869v1
- Date: Tue, 13 Jul 2021 06:26:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-14 14:42:34.115277
- Title: Towards Building a Food Knowledge Graph for Internet of Food
- Title(参考訳): 食品のインターネットのための食品知識グラフの構築に向けて
- Authors: Weiqing Min, Chunlin Liu, Shuqiang Jiang
- Abstract要約: 食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。
食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。
食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
- 参考スコア(独自算出の注目度): 66.57235827087092
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: The deployment of various networks (e.g., Internet of Things
(IoT) and mobile networks) and databases (e.g., nutrition tables and food
compositional databases) in the food system generates massive information silos
due to the well-known data harmonization problem. The food knowledge graph
provides a unified and standardized conceptual terminology and their
relationships in a structured form and thus can transform these information
silos across the whole food system to a more reusable globally digitally
connected Internet of Food, enabling every stage of the food system from
farm-to-fork.
Scope and approach: We review the evolution of food knowledge organization,
from food classification, food ontology to food knowledge graphs. We then
discuss the progress in food knowledge graphs from several representative
applications. We finally discuss the main challenges and future directions.
Key findings and conclusions: Our comprehensive summary of current research
on food knowledge graphs shows that food knowledge graphs play an important
role in food-oriented applications, including food search and Question
Answering (QA), personalized dietary recommendation, food analysis and
visualization, food traceability, and food machinery intelligent manufacturing.
Future directions for food knowledge graphs cover several fields such as
multimodal food knowledge graphs and food intelligence.
- Abstract(参考訳): 背景: 食品システムにおける様々なネットワーク(モノのインターネット(IoT)やモバイルネットワーク)とデータベース(栄養表や食品構成データベースなど)の配置は、よく知られたデータ調和の問題により、膨大な情報サイロを生成する。
食品知識グラフは、統一的で標準化された概念用語とその関係を構造化された形で提供し、それによって、これらの情報サイロを食品システム全体にわたって、より再利用可能なデジタル接続されたインターネット・オブ・フードに変換することができる。
スコープとアプローチ: 食品分類, 食品オントロジーから食品知識グラフまで, 食品知識組織の進化を概観する。
次に,食品知識グラフの進歩について,いくつかの代表的な応用から考察する。
最後に、主要な課題と今後の方向性について話し合う。
主な知見と結論: 食品知識グラフに関する最近の研究の概要は、食品検索・質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析・可視化、食品トレーサビリティ、食品知能製造など、食品指向のアプリケーションにおいて、食品知識グラフが重要な役割を果たすことを示している。
食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
関連論文リスト
- NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene
Dataset for Dietary Intake Estimation [68.49526750115429]
食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。
NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
論文 参考訳(メタデータ) (2023-11-20T11:05:20Z) - FIRE: Food Image to REcipe generation [11.214936422138742]
フードコンピューティングは、食品画像のレシピ情報を自律的に生成できるエンドツーエンドのインテリジェントシステムを開発することを目的としている。
本稿では,食品コンピューティング分野におけるレシピ生成に適した新しい手法であるFIREを提案する。
本稿では、FIREと大規模言語モデルのプロンプトを統合することの恩恵を享受できる2つの実用的なアプリケーションを紹介する。
論文 参考訳(メタデータ) (2023-08-28T08:14:20Z) - 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) - Large Scale Visual Food Recognition [43.43598316339732]
これは2000のカテゴリと100万以上のイメージを持つ、最大規模の食品認識データセットです。
food2kはそれらをカテゴリとイメージの両方で1桁ずつバイパスする。
食品認識のためのディーププログレッシブ領域強化ネットワークを提案します。
論文 参考訳(メタデータ) (2021-03-30T06:41:42Z) - An End-to-End Food Image Analysis System [8.622335099019214]
食品の局所化, 分類, 部分サイズ推定を統合した画像に基づく食品分析フレームワークを提案する。
提案するフレームワークはエンドツーエンドであり,複数の食品を含む任意の食品画像として入力することができる。
本研究の枠組みは,栄養摂食調査から収集した実生活食品画像データセットを用いて評価する。
論文 参考訳(メタデータ) (2021-02-01T05:36:20Z) - Picture-to-Amount (PITA): Predicting Relative Ingredient Amounts from
Food Images [24.26111169033236]
食品画像から各成分の相対的な量を予測するという,新しい課題と課題について考察する。
本稿では,この問題を解決するために,Picture-to-AmountディープラーニングアーキテクチャであるPITAを提案する。
インターネットから収集されたレシピのデータセットの実験は、モデルが有望な結果を生成することを示す。
論文 参考訳(メタデータ) (2020-10-17T06:43:18Z) - Personal Food Model [4.093166743990079]
我々は、食品コンピューティングにおける人中心のマルチメディアとマルチモーダルの視点を採用する。
パーソナルフードモデル(Personal Food Model)は、個人の食品関連特性のデジタル化表現である。
我々は、食品と他の生命や生物学的事象を関連付けるために、イベントマイニングアプローチを使用し、予測モデルを構築します。
論文 参考訳(メタデータ) (2020-08-28T21:36:09Z) - Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images
and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。
本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。
食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
論文 参考訳(メタデータ) (2020-03-09T07:41:17Z)
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。