論文の概要: A Dietary Nutrition-aided Healthcare Platform via Effective Food
Recognition on a Localized Singaporean Food Dataset
- arxiv url: http://arxiv.org/abs/2301.03829v1
- Date: Tue, 10 Jan 2023 07:51:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 16:17:42.884796
- Title: A Dietary Nutrition-aided Healthcare Platform via Effective Food
Recognition on a Localized Singaporean Food Dataset
- Title（参考訳）: シンガポールの食品データを用いた効果的な食品認識による栄養支援型ヘルスケアプラットフォーム
- Authors: Kaiping Zheng, Thao Nguyen, Jesslyn Hwei Sing Chong, Charlene Enhui
Goh, Melanie Herschel, Hee Hoon Lee, Beng Chin Ooi, Wei Wang and James Yip
- Abstract要約: シンガポールのサービスとして、多様なヘルスケア指向のアプリケーションをインキュベーションするためのFoodSGプラットフォームを開発した。
シンガポールの食品データセットFoodSG-233を,系統的なクリーニングとキュレーションのパイプラインでリリースした。
本稿では,食品認識モデルであるFoodSG-SCLに教師付きコントラスト学習を統合することを提案する。
- 参考スコア（独自算出の注目度）: 19.104733910928985
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Localized food datasets have profound meaning in revealing a country's
special cuisines to explore people's dietary behaviors, which will shed light
on their health conditions and disease development. In this paper, revolving
around the demand for accurate food recognition in Singapore, we develop the
FoodSG platform to incubate diverse healthcare-oriented applications as a
service in Singapore, taking into account their shared requirements. We release
a localized Singaporean food dataset FoodSG-233 with a systematic cleaning and
curation pipeline for promoting future data management research in food
computing. To overcome the hurdle in recognition performance brought by
Singaporean multifarious food dishes, we propose to integrate supervised
contrastive learning into our food recognition model FoodSG-SCL for the
intrinsic capability to mine hard positive/negative samples and therefore boost
the accuracy. Through a comprehensive evaluation, we share the insightful
experience with practitioners in the data management community regarding
food-related data-intensive healthcare applications.
The FoodSG-233 dataset can be accessed via: https://foodlg.comp.nus.edu.sg/.
- Abstract（参考訳）: ローカライズドフードデータセットは、国民の食事行動を調べるための国の特別な料理を明らかにする上で重要な意味を持ち、健康状態や病気の開発に光を当てる。
本稿では,シンガポールにおける正確な食品認識の需要を軸として,シンガポールにおける多様な医療関連アプリケーションをサービスとしてインキュベーションするFoodSGプラットフォームを開発した。
我々は,シンガポールの食品データデータセットfoosg-233を,食品コンピューティングにおける今後のデータ管理研究を促進するための体系的な清掃・キュレーションパイプラインと共にリリースする。
シンガポールの多孔食料理がもたらす認知能力のハードルを克服するため,食品認識モデルであるFoodSG-SCLに教師付きコントラスト学習を統合して,固い正・負のサンプルを抽出し,精度を高めることを提案する。
包括的評価を通じて,食品関連データ集約型医療アプリケーションに関するデータ管理コミュニティの実践者との洞察に富んだ経験を共有する。
foodsg-233データセットは、https://foodlg.comp.nus.edu.sg/からアクセスできる。
関連論文リスト
- FoodSky: A Food-oriented Large Language Model that Passes the Chef and Dietetic Examination [37.11551779015218]
食品データを理解するために食品指向の大規模言語モデル(LLM)を導入する。
中国料理の複雑さと典型性を考えると、我々はまず1つの総合的な中華料理コーパス「FoodEarth」を構築した。
そこで我々は,HTRAG(Herarchical Topic Retrieval Augmented Generation)機構とTS3M(Selective State Space Model)を提案する。
論文 参考訳（メタデータ） (2024-06-11T01:27:00Z) - 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) - 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) - A Mobile Food Recognition System for Dietary Assessment [6.982738885923204]
我々は,生活支援のための食品認識アプリケーションの開発に焦点をあてる。
このタスクにMobilenet-v2アーキテクチャを使うことは、正確性とメモリ使用量の両方において有益である。
開発されたモバイルアプリケーションは、画像を介して自動食品認識において視覚障害者に役立てる可能性がある。
論文 参考訳（メタデータ） (2022-04-20T12:49:36Z) - 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) - 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) - 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)
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。