論文の概要: NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation

• arxiv url: http://arxiv.org/abs/2401.08598v1
• Date: Mon, 20 Nov 2023 11:05:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 10:04:17.860250
• Title: NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation
• Title（参考訳）: NutritionVerse-Real:食事摂取推定のためのオープンアクセスによる2D食品シーンデータセット
• Authors: Chi-en Amy Tai, Saeejith Nair, Olivia Markham, Matthew Keller, Yifan Wu, Yuhao Chen, Alexander Wong
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.49526750115429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dietary intake estimation plays a crucial role in understanding the nutritional habits of individuals and populations, aiding in the prevention and management of diet-related health issues. Accurate estimation requires comprehensive datasets of food scenes, including images, segmentation masks, and accompanying dietary intake metadata. In this paper, we introduce NutritionVerse-Real, an open access manually collected 2D food scene dataset for dietary intake estimation with 889 images of 251 distinct dishes and 45 unique food types. The NutritionVerse-Real dataset was created by manually collecting images of food scenes in real life, measuring the weight of every ingredient and computing the associated dietary content of each dish using the ingredient weights and nutritional information from the food packaging or the Canada Nutrient File. Segmentation masks were then generated through human labelling of the images. We provide further analysis on the data diversity to highlight potential biases when using this data to develop models for dietary intake estimation. NutritionVerse-Real is publicly available at https://www.kaggle.com/datasets/nutritionverse/nutritionverse-real as part of an open initiative to accelerate machine learning for dietary sensing.
• Abstract（参考訳）: 食事摂取の推定は、個人や人口の栄養習慣を理解する上で重要な役割を担い、食事関連健康問題の予防と管理を支援する。 正確な推定には、画像、セグメンテーションマスク、食事摂取メタデータを含む食品シーンの包括的なデータセットが必要である。 本稿では,251種類の食器と45種類の食器の889枚の画像を用いた食事摂取推定のためのオープンアクセス2D食品シーンデータセットであるNutritionVerse-Realを紹介する。 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動で収集し、各成分の重量を測定し、食品包装物やカナダ栄養ファイルの食材量と栄養情報を用いて、各料理の食材含量を計算することによって作成された。 セグメンテーションマスクは人間の画像のラベル付けによって生成される。 本研究では,このデータを用いて食事摂取量推定モデルを開発する際の潜在的なバイアスを強調するために,データ多様性のさらなる分析を行う。 NutritionVerse-Realは、食事感覚のための機械学習を加速するオープンイニシアチブの一環として、https://www.kaggle.com/datasets/nutritionverse/nutritionverse-realで公開されている。

関連論文リスト

• 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)
• How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
  現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。 本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。 本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
  論文  参考訳（メタデータ） (2024-05-12T00:16:02Z)
• 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)
• 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 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)
• Nutrition5k: Towards Automatic Nutritional Understanding of Generic Food [8.597152169571057]
  本研究では,映像ストリーム,奥行き画像,成分重み,高精細な栄養コンテンツアノテーションを備えた,5kの多様な実世界の食品料理のデータセットである nutrition5kを紹介する。 本稿では, 複雑で現実的な料理のカロリーおよびマクロ栄養価を, プロの栄養士を上回る精度で予測できるコンピュータビジョンアルゴリズムを訓練することにより, このデータセットの可能性を実証する。
  論文  参考訳（メタデータ） (2021-03-04T22:59:22Z)

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。