論文の概要: Clustering Egocentric Images in Passive Dietary Monitoring with Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2208.12160v1
• Date: Thu, 25 Aug 2022 15:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-26 13:37:38.576643
• Title: Clustering Egocentric Images in Passive Dietary Monitoring with Self-Supervised Learning
• Title（参考訳）: 自己監督学習による受動的食事モニタリングにおける自己中心画像のクラスタリング
• Authors: Jiachuan Peng, Peilun Shi, Jianing Qiu, Xinwei Ju, Frank P.-W. Lo, Xiao Gu, Wenyan Jia, Tom Baranowski, Matilda Steiner-Asiedu, Alex K. Anderson, Megan A McCrory, Edward Sazonov, Mingui Sun, Gary Frost and Benny Lo
• Abstract要約: このデータセットは、低所得国と中所得国における個別の食物および栄養摂取の正確な測定を容易にするために、進行中の取り組みである。 現在のデータセットは、ガーナの農村部と都市部の20世帯(74世帯)で構成されている。 本稿では,エゴセントリックな画像の大量を個別のイベントにクラスタリングする,新たな自己教師型学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.93583269097748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In our recent dietary assessment field studies on passive dietary monitoring in Ghana, we have collected over 250k in-the-wild images. The dataset is an ongoing effort to facilitate accurate measurement of individual food and nutrient intake in low and middle income countries with passive monitoring camera technologies. The current dataset involves 20 households (74 subjects) from both the rural and urban regions of Ghana, and two different types of wearable cameras were used in the studies. Once initiated, wearable cameras continuously capture subjects' activities, which yield massive amounts of data to be cleaned and annotated before analysis is conducted. To ease the data post-processing and annotation tasks, we propose a novel self-supervised learning framework to cluster the large volume of egocentric images into separate events. Each event consists of a sequence of temporally continuous and contextually similar images. By clustering images into separate events, annotators and dietitians can examine and analyze the data more efficiently and facilitate the subsequent dietary assessment processes. Validated on a held-out test set with ground truth labels, the proposed framework outperforms baselines in terms of clustering quality and classification accuracy.
• Abstract（参考訳）: ガーナにおける受動的食事監視に関する最近の食事評価フィールド調査では,約250万枚の眼内画像を収集した。 このデータセットは、受動的監視カメラ技術を用いて、低所得国と中所得国で個々の食品と栄養素の正確な測定を容易にするための継続的な取り組みである。 現在のデータセットはガーナの農村部と都市部の20世帯(74名)で、2種類のウェアラブルカメラが研究に使用された。 一度始めると、ウェアラブルカメラは被験者の活動を継続的に捉え、分析が行われる前に大量のデータを浄化し、注釈を付ける。 データの処理とアノテーションのタスクを容易にするために,多量のエゴセントリック画像を別々のイベントにまとめる,新しい自己教師付き学習フレームワークを提案する。 各イベントは、時間的に連続し、文脈的に類似した画像からなる。 画像を別々のイベントにクラスタリングすることで、注釈家と栄養士はデータをより効率的に調べて分析し、その後の食事アセスメントプロセスを促進できる。 基本真理ラベル付きホールドアウトテストセットで検証し、クラスタリングの品質と分類精度において、提案フレームワークはベースラインを上回った。

関連論文リスト

• 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)
• 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)
• Personalized Food Image Classification: Benchmark Datasets and New Baseline [8.019925729254178]
  本稿では、自己教師付き学習と時間的特徴情報を活用することにより、個人化された食品画像分類のための新しい枠組みを提案する。 提案手法は両方のベンチマークデータセットで評価され,既存手法と比較して性能が向上した。
  論文  参考訳（メタデータ） (2023-09-15T20:11:07Z)
• 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 Image Classification and Segmentation with Attention-based Multiple Instance Learning [51.279800092581844]
  本稿では,食品画像分類とセマンティックセグメンテーションモデルを訓練するための弱教師付き方法論を提案する。 提案手法は、注意に基づくメカニズムと組み合わせて、複数のインスタンス学習アプローチに基づいている。 提案手法の有効性を検証するため,FoodSeg103データセット内の2つのメタクラスについて実験を行った。
  論文  参考訳（メタデータ） (2023-08-22T13:59:47Z)
• Concept Drift and Long-Tailed Distribution in Fine-Grained Visual Categorization: Benchmark and Method [84.68818879525568]
  コンセプションドリフトとLong-Tailed Distributionデータセットを提案する。 インスタンスの特徴は時間によって異なり、長い尾の分布を示す傾向がある。 本稿ではCDLTに関連する学習課題に対処する機能組換えフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-04T12:42:45Z)
• Self-Supervised Visual Representation Learning on Food Images [6.602838826255494]
  既存の深層学習手法は、食品画像の人間のアノテーションに基づいて、下流タスクの視覚的表現を学習する。 実生活のほとんどの食品画像はラベルなしで取得され、データアノテーションには多くの時間と人的労力が必要です。 本稿では,食品画像における自己指導型学習手法の実装と分析に焦点をあてる。
  論文  参考訳（メタデータ） (2023-03-16T02:31:51Z)
• Focus on the Positives: Self-Supervised Learning for Biodiversity Monitoring [9.086207853136054]
  ラベルのない画像コレクションから自己教師付き表現を学習する問題に対処する。 我々は,入力画像間の空間的関係や時間的関係などの情報を符号化する,手軽に利用可能なコンテキストデータを利用する。 地球生物多様性監視の重要課題として、人間の監督が限定された視覚的種分類タスクに適応可能な画像特徴があげられる。
  論文  参考訳（メタデータ） (2021-08-14T01:12:41Z)
• MyFood: A Food Segmentation and Classification System to Aid Nutritional Monitoring [1.5469452301122173]
  食料モニタリングの欠如は、人口の体重増加に大きく寄与している。 食品画像を認識するためにコンピュータビジョンでいくつかのソリューションが提案されているが、栄養モニタリングに特化しているものはほとんどない。 本研究は, ユーザの食事と栄養摂取の自動モニタリングを支援するために, 画像に提示された食品を分類・分別するインテリジェントシステムの開発について述べる。
  論文  参考訳（メタデータ） (2020-12-05T17:40:05Z)
• Pollen13K: A Large Scale Microscope Pollen Grain Image Dataset [63.05335933454068]
  この研究は、1万3千以上の天体を含む最初の大規模花粉画像データセットを提示する。 本稿では, エアロバイオロジカルサンプリング, 顕微鏡画像取得, 物体検出, セグメンテーション, ラベル付けなど, 採用データ取得のステップに注目した。
  論文  参考訳（メタデータ） (2020-07-09T10:33:31Z)
• Unsupervised Image Classification for Deep Representation Learning [42.09716669386924]
  埋め込みクラスタリングを使わずに、教師なしのイメージ分類フレームワークを提案する。 提案手法の有効性を証明するために,ImageNetデータセットの実験を行った。
  論文  参考訳（メタデータ） (2020-06-20T02:57:06Z)

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。