論文の概要: Towards the Creation of a Nutrition and Food Group Based Image Database
- arxiv url: http://arxiv.org/abs/2206.02086v1
- Date: Sun, 5 Jun 2022 02:41:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-07 16:22:11.527854
- Title: Towards the Creation of a Nutrition and Food Group Based Image Database
- Title（参考訳）: 栄養・食品グループに基づく画像データベースの構築に向けて
- Authors: Zeman Shao, Jiangpeng He, Ya-Yuan Yu, Luotao Lin, Alexandra Cowan,
Heather Eicher-Miller, Fengqing Zhu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 58.429385707376554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Food classification is critical to the analysis of nutrients comprising foods
reported in dietary assessment. Advances in mobile and wearable sensors,
combined with new image based methods, particularly deep learning based
approaches, have shown great promise to improve the accuracy of food
classification to assess dietary intake. However, these approaches are
data-hungry and their performances are heavily reliant on the quantity and
quality of the available datasets for training the food classification model.
Existing food image datasets are not suitable for fine-grained food
classification and the following nutrition analysis as they lack fine-grained
and transparently derived food group based identification which are often
provided by trained dietitians with expert domain knowledge. In this paper, we
propose a framework to create a nutrition and food group based image database
that contains both visual and hierarchical food categorization information to
enhance links to the nutrient profile of each food. We design a protocol for
linking food group based food codes in the U.S. Department of Agriculture's
(USDA) Food and Nutrient Database for Dietary Studies (FNDDS) to a food image
dataset, and implement a web-based annotation tool for efficient deployment of
this protocol.Our proposed method is used to build a nutrition and food group
based image database including 16,114 food images representing the 74 most
frequently consumed What We Eat in America (WWEIA) food sub-categories in the
United States with 1,865 USDA food code matched to a nutrient database, the
USDA FNDDS nutrient database.
- Abstract（参考訳）: 食品分類は、食物評価において報告される食品に含まれる栄養素の分析に重要である。
モバイルおよびウェアラブルセンサーの進歩と、新しいイメージベース手法、特にディープラーニングに基づくアプローチが組み合わさって、食事摂取量を評価するための食品分類の精度を向上させるという大きな約束が示された。
しかし、これらの手法はデータ収集であり、その性能は食品分類モデルを訓練するための利用可能なデータセットの量と品質に大きく依存している。
既存の食品画像データセットは、精細な食品分類や以下の栄養分析には適さない。
本稿では,食品の栄養素プロファイルとの関連性を高めるために,視覚的および階層的食品分類情報を含む栄養・食品群ベースの画像データベースを作成するための枠組みを提案する。
We design a protocol for linking food group based food codes in the U.S. Department of Agriculture's (USDA) Food and Nutrient Database for Dietary Studies (FNDDS) to a food image dataset, and implement a web-based annotation tool for efficient deployment of this protocol.Our proposed method is used to build a nutrition and food group based image database including 16,114 food images representing the 74 most frequently consumed What We Eat in America (WWEIA) food sub-categories in the United States with 1,865 USDA food code matched to a nutrient database, the USDA FNDDS nutrient database.
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) - 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) - Muti-Stage Hierarchical Food Classification [9.013592803864086]
トレーニングプロセス中に食品を反復的にクラスタリングし,マージすることで,食品分類のための多段階階層的枠組みを提案する。
本手法は,VFN栄養データセットを用いて評価し,食品の種類と食品の分類の両面で既存の研究と比較して有望な結果を得た。
論文 参考訳（メタデータ） (2023-09-03T04:45:44Z) - UMDFood: Vision-language models boost food composition compilation [26.5694236976957]
本稿では, 食品組成プロファイルを正確に推定するために, フロント・オブ・パッケージ・ラベリングと製品画像を用いた新しい視覚言語モデル, UMDFood-VLを提案する。
化学分析結果とモデル推定結果の誤差の最大82.2%は10%未満である。
この性能は、他の食品および栄養関連データコンパイルと触媒化への一般化に光を当てている。
論文 参考訳（メタデータ） (2023-05-18T03:18:12Z) - 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 Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
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。
論文 参考訳（メタデータ） (2021-07-13T06:26:53Z) - 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) - Saliency-Aware Class-Agnostic Food Image Segmentation [10.664526852464812]
クラス別食品画像分割法を提案する。
画像の前後の情報を利用すれば、目立たないオブジェクトを見つけることで、食べ物のイメージをセグメンテーションすることができる。
本手法は,食餌研究から収集した食品画像を用いて検証する。
論文 参考訳（メタデータ） (2021-02-13T08:05:19Z) - 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)
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。