論文の概要: Automatic Recognition of Food Ingestion Environment from the AIM-2 Wearable Sensor

• arxiv url: http://arxiv.org/abs/2405.07827v1
• Date: Mon, 13 May 2024 15:12:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-14 13:15:58.819629
• Title: Automatic Recognition of Food Ingestion Environment from the AIM-2 Wearable Sensor
• Title（参考訳）: AIM-2ウェアラブルセンサによる食品摂取環境の自動認識
• Authors: Yuning Huang, Mohamed Abul Hassan, Jiangpeng He, Janine Higgins, Megan McCrory, Heather Eicher-Miller, Graham Thomas, Edward O Sazonov, Fengqing Maggie Zhu,
• Abstract要約: 本稿では,2段階の学習フレームワークを組み込んだニューラルネットワークベースの手法を提案する。 本手法は,エゴセントリックなウェアラブルカメラであるAIM-2センサを用いて,自由生活環境下での食品消費をシミュレートするUA Free Living Studyを用いて評価した。 収集したデータセットに対する実験結果から,提案手法による自動摂取環境認識は,データセットの困難なデータ不均衡問題に対処し,96.63%という有望な総合的分類精度を実現することができた。
• 参考スコア（独自算出の注目度）: 3.9956522522260447
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Detecting an ingestion environment is an important aspect of monitoring dietary intake. It provides insightful information for dietary assessment. However, it is a challenging problem where human-based reviewing can be tedious, and algorithm-based review suffers from data imbalance and perceptual aliasing problems. To address these issues, we propose a neural network-based method with a two-stage training framework that tactfully combines fine-tuning and transfer learning techniques. Our method is evaluated on a newly collected dataset called ``UA Free Living Study", which uses an egocentric wearable camera, AIM-2 sensor, to simulate food consumption in free-living conditions. The proposed training framework is applied to common neural network backbones, combined with approaches in the general imbalanced classification field. Experimental results on the collected dataset show that our proposed method for automatic ingestion environment recognition successfully addresses the challenging data imbalance problem in the dataset and achieves a promising overall classification accuracy of 96.63%.
• Abstract（参考訳）: 摂食環境のモニタリングは食事摂取のモニタリングにおいて重要な側面である。 食事評価のための洞察力のある情報を提供する。 しかし、人間によるレビューが面倒な問題であり、アルゴリズムによるレビューはデータの不均衡と知覚的エイリアスの問題に悩まされている。 これらの問題に対処するため、我々は、微調整と転写学習の技術を巧みに組み合わせた2段階のトレーニングフレームワークを用いたニューラルネットワークベースの手法を提案する。 本手法は,エゴセントリックなウェアラブルカメラであるAIM-2センサを用いて,自由生活環境下での食品消費をシミュレートする「UA Free Living Study」という新たなデータセットを用いて評価した。 提案したトレーニングフレームワークは、一般的なニューラルネットワークのバックボーンに適用され、一般的な不均衡な分類分野のアプローチと組み合わせられる。 収集したデータセットに対する実験結果から,提案手法による自動摂取環境認識は,データセットの困難なデータ不均衡問題に対処し,96.63%という有望な総合的分類精度を実現することができた。

関連論文リスト

• Heterogeneous quantization regularizes spiking neural network activity [0.0]
  本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。 我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
  論文  参考訳（メタデータ） (2024-09-27T02:25:44Z)
• Debiasing Cardiac Imaging with Controlled Latent Diffusion Models [1.802269171647208]
  本稿では,データセットに固有の不均衡を,合成データの生成によって緩和する手法を提案する。 我々は,患者メタデータと心臓の形状から合成したテキストを条件に,拡散確率モデルに基づく制御ネットを採用する。 本実験は,データセットの不均衡を緩和する手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-03-28T15:41:43Z)
• Few-shot learning for COVID-19 Chest X-Ray Classification with Imbalanced Data: An Inter vs. Intra Domain Study [49.5374512525016]
  医療画像データセットは、コンピュータ支援診断、治療計画、医学研究に使用される訓練モデルに不可欠である。 データ分散のばらつき、データの不足、ジェネリックイメージから事前トレーニングされたモデルを使用する場合の転送学習の問題などである。 本稿では,データ不足と分散不均衡の影響を軽減するために,一連の手法を統合したシームズニューラルネットワークに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T16:59:27Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Towards Stroke Patients' Upper-limb Automatic Motor Assessment Using Smartwatches [5.132618393976799]
  スマートウォッチを用いて脳卒中患者に対する上肢評価パイプラインを設計することを目的としている。 本研究の目的は,Fugl-Meyerアセスメント尺度に触発された4つの重要な動きを自動的に検出し,認識することである。
  論文  参考訳（メタデータ） (2022-12-09T14:00:49Z)
• SFF-DA: Sptialtemporal Feature Fusion for Detecting Anxiety Nonintrusively [16.170315080992182]
  本稿では,「3CNND+LSTM」と顔行動と非接触生理の相似性の特徴を融合したフレームワークを提案する。 我々のフレームワークは実世界のデータセットと2つの公開データセットで検証された。
  論文  参考訳（メタデータ） (2022-08-12T01:20:51Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• A Data Driven End-to-end Approach for In-the-wild Monitoring of Eating Behavior Using Smartwatches [8.257740966456172]
  本稿では, 食事中の食行動の自動化と, 食事の時間的局在のモデル化に向けて, 完全な枠組みを提案する。 食物摂取事象(すなわち噛み跡)を検出するエンドツーエンドニューラルネットワークを提案する。 食事の開始点と終了点を信号処理アルゴリズムを用いて推定するために,検出した噛み跡の1日を通して分布を推定する方法を示す。
  論文  参考訳（メタデータ） (2020-10-12T12:35:56Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。