論文の概要: On Creating a Comprehensive Food Database
- arxiv url: http://arxiv.org/abs/2301.10649v1
- Date: Wed, 25 Jan 2023 15:43:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:51:47.039729
- Title: On Creating a Comprehensive Food Database
- Title（参考訳）: 包括的食品データベースの構築について
- Authors: Lexington Whalen (1), Brie Turner-McGrievy (1), Matthew McGrievy (1),
Andrew Hester (1), Homayoun Valafar (1) ((1) University of South Carolina)
- Abstract要約: 我々は,米農務省の食品データベースに,食料品店で見られる食品と,レストランやファストフード店で見られる食品の両方を含む新たな改訂を導入する。
米国では、約18,000のブランドと100のレストランからなる約150万の食品エントリを蓄積しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Studies with the primary aim of addressing eating disorders focus on
assessing the nutrient content of food items with an exclusive focus on caloric
intake. There are two primary impediments that can be noted in these studies.
The first of these relates to the fact that caloric intake of each food item is
calculated from an existing database. The second concerns the scientific
significance of caloric intake used as the single measure of nutrient content.
By requiring an existing database, researchers are forced to find some source
of a comprehensive set of food items as well as their respective nutrients.
This search alone is a difficult task, and if completed often leads to the
requirement of a paid API service. These services are expensive and
non-customizable, taking away funding that could be aimed at other parts of the
study only to give an unwieldy database that can not be modified or contributed
to. In this work, we introduce a new rendition of the USDA's food database that
includes both foods found in grocery stores and those found in restaurants or
fast food places. At the moment, we have accumulated roughly 1.5 million food
entries consisting of approximately 18,000 brands and 100 restaurants in the
United States. These foods also have an abundance of nutrient data associated
with them, from the caloric amount to saturated fat levels. The data is stored
in MySQL format and is spread among five major tables. We have also procured
images for theses foods entries when available, and have included all of our
data and program scripts in an open source repository.
- Abstract（参考訳）: 摂食障害対策を主目的とする研究は、カロリー摂取を主眼とした食品の栄養素含量の評価に重点を置いている。
これらの研究には2つの主要な障害があります。
1つ目は、各食品のカロリー摂取が既存のデータベースから計算されるという事実に関連している。
第二に、カロリー摂取の科学的意義を、栄養素含有量の単一の尺度として扱う。
既存のデータベースを必要とするため、研究者は食品の包括的セットとそれぞれの栄養素の源を見つけざるを得ない。
この検索だけでは難しい作業であり、もし完了すれば、しばしば有償のAPIサービスが必要になります。
これらのサービスは高価で使い捨てではないため、研究の他の部分を対象とする資金は、修正やコントリビューションができない、扱いにくいデータベースを提供することに限られる。
そこで本研究では,米国食品医薬品局(usda)の食品データベースを新たに導入し,食品雑貨店やファストフード店などにおける食品データベースについて紹介する。
現在、米国内の約18,000のブランドと100のレストランからなる約150万の食品エントリを蓄積しています。
これらの食品はまた、カロリー量から飽和脂肪レベルまで、それらに関連する栄養データが豊富にある。
データはMySQL形式で保存され、5つの主要なテーブルに分散される。
また、利用可能なときにこれらの食品のエントリの画像を取得し、オープンソースリポジトリにデータとプログラムのスクリプトをすべて含んでいます。
関連論文リスト
- MetaFood CVPR 2024 Challenge on Physically Informed 3D Food Reconstruction: Methods and Results [52.07174491056479]
私たちはMetaFood Workshopを主催し、物理的にインフォームドされた3Dフードレコンストラクションへの挑戦を行っている。
本課題は,2次元画像から,視認性チェッカーボードをサイズ基準として,食品の容積正確な3次元モデルを再構築することに焦点を当てる。
この課題で開発されたソリューションは、3D食品の復元において有望な成果を達成し、食事評価と栄養モニタリングのための部分推定の改善に有意な可能性を秘めている。
論文 参考訳（メタデータ） (2024-07-12T14:15:48Z) - 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) - Leveraging Automatic Personalised Nutrition: Food Image Recognition Benchmark and Dataset based on Nutrition Taxonomy [14.569887684034061]
本研究では,全国及び国際保健機関の勧告に基づき,食品画像と栄養分類を取り入れた初の栄養データベースを提案する。
AI4Food-NutritionDBは、食品の摂取頻度、品質、分類の観点から、新しい食品コンピューティングアプローチへの扉を開く。
論文 参考訳（メタデータ） (2022-11-14T15:14:50Z) - 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) - 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)
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。