論文の概要: An Explorative Analysis of SVM Classifier and ResNet50 Architecture on African Food Classification

• arxiv url: http://arxiv.org/abs/2505.13923v1
• Date: Tue, 20 May 2025 04:37:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:52.748149
• Title: An Explorative Analysis of SVM Classifier and ResNet50 Architecture on African Food Classification
• Title（参考訳）: アフリカ食品分類におけるSVM分類器とResNet50アーキテクチャの探索的分析
• Authors: Chinedu Emmanuel Mbonu, Kenechukwu Anigbogu, Doris Asogwa, Tochukwu Belonwu,
• Abstract要約: アフリカ食品分類における深層学習と伝統的な機械学習手法の評価を行った。 このデータセットは、アフリカで知られている6つの食品カテゴリーにまたがる1,658枚の画像で構成されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Food recognition systems has advanced significantly for Western cuisines, yet its application to African foods remains underexplored. This study addresses this gap by evaluating both deep learning and traditional machine learning methods for African food classification. We compared the performance of a fine-tuned ResNet50 model with a Support Vector Machine (SVM) classifier. The dataset comprises 1,658 images across six selected food categories that are known in Africa. To assess model effectiveness, we utilize five key evaluation metrics: Confusion matrix, F1-score, accuracy, recall and precision. Our findings offer valuable insights into the strengths and limitations of both approaches, contributing to the advancement of food recognition for African cuisines.
• Abstract（参考訳）: 食品認識システムは西洋料理に大きく進歩してきたが、アフリカ料理への応用はいまだに過小評価されている。 本研究では,アフリカの食品分類における深層学習と従来の機械学習の両手法を両立させることにより,このギャップを解消する。 細調整されたResNet50モデルの性能をSVM(Support Vector Machine)分類器と比較した。 このデータセットは、アフリカで知られている6つの食品カテゴリーにまたがる1,658枚の画像で構成されている。 モデルの有効性を評価するために,コンフュージョン行列,F1スコア,精度,リコール,精度の5つの重要な評価指標を用いる。 本研究は,アフリカ料理の食品認識の進歩に寄与し,両アプローチの強みと限界について貴重な知見を提供する。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• 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)
• Res-VMamba: Fine-Grained Food Category Visual Classification Using Selective State Space Models with Deep Residual Learning [20.097889668859523]
  我々は,学術的に過小評価された食品データセットCNFOOD-241を導入し,VMambaモデルにおける残留学習フレームワークの統合の先駆者となった。 その結果,VMambaは細粒度および食品の分類において,現在のSOTAモデルを上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-02-24T08:20:39Z)
• Food Image Classification and Segmentation with Attention-based Multiple Instance Learning [51.279800092581844]
  本稿では,食品画像分類とセマンティックセグメンテーションモデルを訓練するための弱教師付き方法論を提案する。 提案手法は、注意に基づくメカニズムと組み合わせて、複数のインスタンス学習アプローチに基づいている。 提案手法の有効性を検証するため,FoodSeg103データセット内の2つのメタクラスについて実験を行った。
  論文  参考訳（メタデータ） (2023-08-22T13:59:47Z)
• Dish detection in food platters: A framework for automated diet logging and nutrition management [1.7855867849530096]
  食品プラッターからのディッシュ検出は、視覚的に複雑な食品レイアウトのために難しい問題である。 本稿では,データコンパイル,アノテーション,最先端モデル同定など,ダイエット管理のためのエンドツーエンドの計算フレームワークを提案する。 このフレームワークは、複雑なプレゼンテーションで知られるインド料理の皿の文脈で実装されている。
  論文  参考訳（メタデータ） (2023-05-12T15:25:58Z)
• 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)
• ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network [50.7720194859196]
  ウィキペディアのリストから500のカテゴリと399,726の画像を含むデータセットISIA Food-500を紹介する。 このデータセットは、既存の一般的なベンチマークデータセットをカテゴリカバレッジとデータボリュームで上回る。 食品認識のための2つのサブネットワークからなるグローバルローカルアテンションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T02:48:27Z)

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。