Fugu-MT 論文翻訳(概要): From Plate to Prevention: A Dietary Nutrient-aided Platform for Health Promotion in Singapore

論文の概要: From Plate to Prevention: A Dietary Nutrient-aided Platform for Health Promotion in Singapore

arxiv url: http://arxiv.org/abs/2301.03829v2
Date: Tue, 28 Mar 2023 15:54:39 GMT
ステータス: 処理完了
システム内更新日: 2023-03-29 19:01:00.397714
Title: From Plate to Prevention: A Dietary Nutrient-aided Platform for Health Promotion in Singapore
Title（参考訳）: プレートから予防へ:シンガポールにおける健康増進のための栄養管理プラットフォーム
Authors: Kaiping Zheng, Thao Nguyen, Jesslyn Hwei Sing Chong, Charlene Enhui Goh, Melanie Herschel, Hee Hoon Lee, Changshuo Liu, 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。シンガポールの多栄養食品料理がもたらす認知能力のハードルを克服するため,我々の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）: 18.412322278232757
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Singapore has been striving to improve the provision of healthcare services to her people. In this course, the government has taken note of the deficiency in regulating and supervising people's nutrient intake, which is identified as a contributing factor to the development of chronic diseases. Consequently, this issue has garnered significant attention. In this paper, we share our experience in addressing this issue and attaining medical-grade nutrient intake information to benefit Singaporeans in different aspects. To this end, we develop the FoodSG platform to incubate diverse healthcare-oriented applications as a service in Singapore, taking into account their shared requirements. We further identify the profound meaning of localized food datasets and systematically clean and curate a localized Singaporean food dataset FoodSG-233. 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 present performance results of the proposed model and insights on food-related healthcare applications. The FoodSG-233 dataset has been released in https://foodlg.comp.nus.edu.sg/.
Abstract（参考訳）: シンガポールは、国民への医療サービスの提供を改善する努力を続けている。このコースでは、慢性疾患の発症に寄与する要因として認識されている栄養素摂取の規制・監視の欠如に注目している。その結果、この問題に大きな注目を集めた。本稿では,この問題に対処し,シンガポール人に対して異なる側面の医療用栄養素摂取情報を得るための経験について紹介する。この目的のために,シンガポールにおける多様なヘルスケア指向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。さらに,シンガポールの食品データセットであるFoodSG-233の系統的クリーン化とキュレートを行った。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,提案モデルの性能評価と食品関連医療応用に関する知見を示す。 FoodSG-233データセットはhttps://foodlg.comp.nus.edu.sg/でリリースされた。

関連論文リスト

NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning [49.06840168630573]
食事は人間の健康において重要な役割を担っているが、個々の健康状態に対する食事の理由付けは大きな課題である。栄養質問回答(QA)は,この問題に対処するための一般的な方法である。栄養学的健康推論のために設計された最初のグラフ質問応答データセットであるNGQA(Nutritional Graph Question Answering)ベンチマークを紹介する。
論文参考訳（メタデータ） (2024-12-20T04:13:46Z)
MOPI-HFRS: A Multi-objective Personalized Health-aware Food Recommendation System with LLM-enhanced Interpretation [50.309987904297415]
Yelpのような主要な食品レコメンデーションプラットフォームは、ユーザの選択した健康性よりも、ユーザの食事の好みを優先している。我々はMOPI-HFRS(Multi-Objective Personalized Interpretable Health-Aware Food Recommendation System)を開発した。ユーザの好み、パーソナライズされた健康、栄養の多様性の3つの目標と、大きな言語モデル(LLM)強化推論モジュールを共同で最適化することで、食品レコメンデーションを提供する。
論文参考訳（メタデータ） (2024-12-12T01:02:09Z)
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)
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。