論文の概要: Food Recipe Recommendation Based on Ingredients Detection Using Deep Learning

• arxiv url: http://arxiv.org/abs/2203.06721v1
• Date: Sun, 13 Mar 2022 17:42:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-16 07:42:43.961413
• Title: Food Recipe Recommendation Based on Ingredients Detection Using Deep Learning
• Title（参考訳）: 深層学習を用いた食材検出に基づく食品レシピ推薦
• Authors: Md. Shafaat Jamil Rokon, Md Kishor Morol, Ishra Binte Hasan, A. M. Saif, and Rafid Hussain Khan
• Abstract要約: 美味しい料理のレシピを作るために、どの材料を混ぜるかを知ることが不可欠である。 食品成分認識モデルを実装し,認識された成分に基づいてレシピを推薦するアルゴリズムを設計した。 精度は94%に達しました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Food is essential for human survival, and people always try to taste different types of delicious recipes. Frequently, people choose food ingredients without even knowing their names or pick up some food ingredients that are not obvious to them from a grocery store. Knowing which ingredients can be mixed to make a delicious food recipe is essential. Selecting the right recipe by choosing a list of ingredients is very difficult for a beginner cook. However, it can be a problem even for experts. One such example is recognising objects through image processing. Although this process is complex due to different food ingredients, traditional approaches will lead to an inaccuracy rate. These problems can be solved by machine learning and deep learning approaches. In this paper, we implemented a model for food ingredients recognition and designed an algorithm for recommending recipes based on recognised ingredients. We made a custom dataset consisting of 9856 images belonging to 32 different food ingredients classes. Convolution Neural Network (CNN) model was used to identify food ingredients, and for recipe recommendations, we have used machine learning. We achieved an accuracy of 94 percent, which is quite impressive.
• Abstract（参考訳）: 食べ物は人間の生存に不可欠であり、人々はいつも異なる種類の美味しいレシピを味わおうとする。 しばしば、自分の名前を知ることなく食材を選択したり、食料品店から見当たらない食材を拾ったりすることも多い。 どの成分を混ぜておいしい料理を作るかを知ることが不可欠である。 料理人にとって、材料のリストを選択して正しいレシピを選択することは極めて困難である。 しかし、専門家にとっても問題になり得る。 そのような例の1つは、画像処理によるオブジェクトの認識である。 このプロセスは食品成分が異なるため複雑であるが、伝統的なアプローチでは不正確になる。 これらの問題は、機械学習とディープラーニングアプローチによって解決できる。 本稿では,食品成分認識モデルを実装し,認識された成分に基づいてレシピを推薦するアルゴリズムを設計した。 32種類の食品材料クラスに属する9856枚の画像からなるカスタムデータセットを作成した。 convolution neural network(cnn)モデルは食品成分の識別に使用され、レシピの推奨には機械学習を使用しました。 精度は94%で、非常に印象的です。

関連論文リスト

• Large Language Models as Sous Chefs: Revising Recipes with GPT-3 [56.7155146252028]
  我々は、複雑で多様で広く使われている指示の例としてレシピに焦点を当てている。 我々は、レシピと材料リストに基づいたプロンプトを開発し、レシピをより単純なステップに分解する。 また,レシピリビジョンの品質の人的判断を収集しながら,疲労軽減を念頭に設計したAmazon Mechanical Turkタスクにも貢献する。
  論文  参考訳（メタデータ） (2023-06-24T14:42:43Z)
• Assorted, Archetypal and Annotated Two Million (3A2M) Cooking Recipes Dataset based on Active Learning [2.40907745415345]
  それぞれのカテゴリにラベル付けされた200万の料理レシピのデータセットを新たに提示する。 データセットを構築するために、レシピをRecipeNLGデータセットから収集する。 私たちのデータセットには200万以上のレシピがあり、それぞれが分類され、信頼性スコアが関連付けられています。
  論文  参考訳（メタデータ） (2023-03-27T07:53:18Z)
• Counterfactual Recipe Generation: Exploring Compositional Generalization in a Realistic Scenario [60.20197771545983]
  本研究では,材料の変化に応じて基本レシピを変更するようモデルに依頼する,反現実的なレシピ生成タスクを設計する。 料理の知識を学習するモデルのために、中国語で大規模なレシピデータセットを収集する。 その結果、既存のモデルでは原文のスタイルを保ちながら素材の変更が困難であり、調整が必要なアクションを見逃すことがしばしばあった。
  論文  参考訳（メタデータ） (2022-10-20T17:21:46Z)
• Assistive Recipe Editing through Critiquing [34.1050269670062]
  RecipeCritは階層的な自動エンコーダで、材料レベルの批判をレシピで編集する。 私たちの研究の主な革新は、ユーザーが予測された材料と対話することでレシピを編集できる教師なしのクオリティリングモジュールです。
  論文  参考訳（メタデータ） (2022-05-05T05:52:27Z)
• SHARE: a System for Hierarchical Assistive Recipe Editing [5.508365014509761]
  SHARE: 食生活制限のある家庭料理人を支援する階層的補助レシピ編集システムについて紹介する。 私たちの階層的なレシピエディタは、レシピの成分リストに必要な置換を行い、新しい成分を利用するための方向を書き換えます。 1つのレシピが7つの食事制約のうちの1つを満たす84k組の類似レシピのレシピペアデータセットを紹介する。
  論文  参考訳（メタデータ） (2021-05-17T22:38:07Z)
• A Large-Scale Benchmark for Food Image Segmentation [62.28029856051079]
  我々は9,490枚の画像を含む新しい食品画像データセットFoodSeg103(およびその拡張FoodSeg154)を構築します。 これらの画像に154種類の成分を付加し,各画像は平均6つの成分ラベルと画素単位のマスクを有する。 ReLeMと呼ばれるマルチモダリティプリトレーニングアプローチを提案し、豊富なセマンティックな食品知識を持つセグメンテーションモデルを明確に装備します。
  論文  参考訳（メタデータ） (2021-05-12T03:00:07Z)
• Revamping Cross-Modal Recipe Retrieval with Hierarchical Transformers and Self-supervised Learning [17.42688184238741]
  近年, 生活における食品の重要性から, クロスモーダルなレシピ検索が注目されている。 本稿では,テキストおよび画像のエンコーダの確立と高性能化に基づく,簡易なエンド・ツー・エンドモデルを提案する。 提案手法は,Recipe1Mデータセットのクロスモーダルレシピ検索タスクにおける最新性能を実現する。
  論文  参考訳（メタデータ） (2021-03-24T10:17:09Z)
• Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
  食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。 ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。 本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-02T10:54:25Z)
• Multi-modal Cooking Workflow Construction for Food Recipes [147.4435186953995]
  ワークフロー構築のための最初の大規模データセットであるMM-ReSを構築した。 本稿では、視覚情報とテキスト情報の両方を利用して調理ワークフローを構築するニューラルエンコーダデコーダモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-20T18:31:25Z)
• A Named Entity Based Approach to Model Recipes [9.18959130745234]
  本稿では,この一様構造におけるレシピの最良の表現を推論するパイプラインだけでなく,レシピを正確に表現できる構造を提案する。 レシピのingredientsセクションは通常、必要な材料と、量、温度、処理状態などの対応する属性をリストアップする。 指示部は、これらの器具や具材に調理技術や工程を適用する一連の事象を列挙する。
  論文  参考訳（メタデータ） (2020-04-25T16:37:26Z)
• 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。