論文の概要: Kitchen Food Waste Image Segmentation and Classification for Compost Nutrients Estimation

• arxiv url: http://arxiv.org/abs/2401.15175v1
• Date: Fri, 26 Jan 2024 19:41:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 19:37:13.811477
• Title: Kitchen Food Waste Image Segmentation and Classification for Compost Nutrients Estimation
• Title（参考訳）: コンポスト栄養素推定のための食品廃棄物画像のセグメンテーションと分類
• Authors: Raiyan Rahman, Mohsena Chowdhury, Yueyang Tang, Huayi Gao, George Yin, Guanghui Wang
• Abstract要約: LILAホームコンポストは、キッチンスクラップや毎日の食品廃棄物を栄養豊富なコンポストにリサイクルする便利な手段を提供する。 食品廃棄物の高分解能画像データセットを作成・注釈し, 栄養価の高い19種類のセグメンテーションマスクを作成した。 食品廃棄物のセグメンテーションに関する4つの現状セグメンテーションモデルをベンチマークし, 窒素, リン, カリウムのコンポスト品質の評価に寄与した。
• 参考スコア（独自算出の注目度）: 5.839432277004074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The escalating global concern over extensive food wastage necessitates innovative solutions to foster a net-zero lifestyle and reduce emissions. The LILA home composter presents a convenient means of recycling kitchen scraps and daily food waste into nutrient-rich, high-quality compost. To capture the nutritional information of the produced compost, we have created and annotated a large high-resolution image dataset of kitchen food waste with segmentation masks of 19 nutrition-rich categories. Leveraging this dataset, we benchmarked four state-of-the-art semantic segmentation models on food waste segmentation, contributing to the assessment of compost quality of Nitrogen, Phosphorus, or Potassium. The experiments demonstrate promising results of using segmentation models to discern food waste produced in our daily lives. Based on the experiments, SegFormer, utilizing MIT-B5 backbone, yields the best performance with a mean Intersection over Union (mIoU) of 67.09. Class-based results are also provided to facilitate further analysis of different food waste classes.
• Abstract（参考訳）: 大規模な食料の浪費に対する世界的な懸念は、ネットゼロのライフスタイルを育み、排出を減らす革新的な解決策を必要としている。 lila home composterは、キッチンスクラップと日々の食品廃棄物を栄養豊富な高品質のコンポストにリサイクルする便利な方法を提供している。 生成したコンポストの栄養情報を取得するため, 食品廃棄物の高分解能画像データセットを19種類の栄養豊富なカテゴリのセグメンテーションマスクで作成し, 注釈した。 このデータセットを活用し,食品廃棄物の分節化に関する最新の4つのセマンティクスセグメンテーションモデルをベンチマークし,窒素,リン,カリウムのコンポスト品質の評価に寄与した。 本実験は, 日常の食品廃棄物を識別するためにセグメンテーションモデルを用いた有望な結果を示す。 実験に基づいて、MIT-B5のバックボーンを利用するSegFormerは、平均的なIntersection over Union (mIoU)の67.09で最高のパフォーマンスを得る。 また, 食品廃棄物のクラス別分析の促進を目的として, クラス別の結果も提示した。

関連論文リスト

• FoodMem: Near Real-time and Precise Food Video Segmentation [4.282795945742752]
  現在の制限は、不正確な栄養分析、非効率な作物管理、最適な食品加工に繋がる。 本研究では,高品質でほぼリアルタイムなセグメンテーションとビデオ中の食品の追跡のための堅牢なフレームワークの開発を紹介する。 私たちは、360度シーンのビデオシーケンスから食品を分割する新しいフレームワーク、FoodMemを紹介します。
  論文  参考訳（メタデータ） (2024-07-16T19:15:07Z)
• 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)
• 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)
• Transferring Knowledge for Food Image Segmentation using Transformers and Convolutions [65.50975507723827]
  食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。 1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。 2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。 BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-06-15T15:38:10Z)
• 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)
• 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)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)
• An End-to-End Food Image Analysis System [8.622335099019214]
  食品の局所化, 分類, 部分サイズ推定を統合した画像に基づく食品分析フレームワークを提案する。 提案するフレームワークはエンドツーエンドであり,複数の食品を含む任意の食品画像として入力することができる。 本研究の枠組みは,栄養摂食調査から収集した実生活食品画像データセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-02-01T05:36:20Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。