However, the decision making algori

However, the decision making algorithm in [4] has two weaknesses: First, it uses performance checks and needs to be further optimized to efficiently allocate the food images to the remaining cloud instances. Second, it needs to be further extended
for each food category of single (e.g. apple, banana, pineapple, orange, etc.), multiple (rice with chicken and salad on the same plate) and mixed food objects (pizza with mixed ingredients like pepperoni, chicken, pepper, olives, etc.). Each of these food categories has different processing requirements. For example, single food items need two stages: the deep learning (feature extraction and classification) stage and the calorie measurement stage. On the other hand, multiple food objects must initially be segmented to obtain the food objects from the plate, and then perform deep learning and classification on each of the segmented food images and finally integrate these results to give a single calorie output to the user. Similarly, for mixed food objects, there are additional steps introduced to firstly recognize the food object with deep learning and further recognizing the ingredients of the food objects with second level of deep learning and calorie measurement steps. The processing of these food categories was not considered in previous work as the decision algorithm was only designed to dispatch the tasks based on the total number of food objects. Since for each food category the steps involved for food recognition and calorie measurement are different, the cloud broker must employ a completely new decision algorithm to accommodate those differences efficiently while offloading the processing to other cloud instances.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม วิธีการตัดสินใจใน [4] มีจุดอ่อนที่สอง: ครั้งแรก มันใช้ตรวจสอบประสิทธิภาพการทำงาน และต้องการที่จะเพิ่มประสิทธิภาพได้อย่างมีประสิทธิภาพจัดสรรภาพอาหารอินสแตนซ์นี้เมฆที่เหลือต่อไป ที่สอง ต้องการขยายเพิ่มเติมสำหรับแต่ละประเภทอาหารของเดียว (เช่นแอปเปิ้ล กล้วย สับปะรด ส้ม ฯลฯ) หลาย (ข้าวกับไก่และสลัดในจานเดียว) และผสมอาหารวัตถุ (พิซซ่า ด้วยส่วนผสมผสมเช่น pepperoni มะกอก พริกไทย ไก่ ฯลฯ) แต่ละประเภทอาหารเหล่านี้มีความต้องการการประมวลผลที่แตกต่างกัน ตัวอย่างเช่น รายการอาหารเดียวต้องสองขั้นตอน: ขั้นตอนการเรียนรู้ที่ลึก (สกัดคุณลักษณะและการจำแนกประเภท) และขั้นตอนการวัดแคลอรี่ บนมืออื่น ๆ วัตถุอาหารหลายต้องแรกจะแบ่งส่วนรับวัตถุอาหารจากแผ่น แล้ว ทำลึกการเรียนรู้และการจัดประเภทในแต่ละภาพอาหารแบ่ง และรวมผลลัพธ์เหล่านี้เพื่อให้การแสดงผลแคลอรี่เดียวผู้ใช้สุดท้าย ในทำนองเดียวกัน สำหรับวัตถุผสมอาหาร มีขั้นตอนต่าง ๆ ที่แนะนำตอนแรก รู้จักวัตถุอาหารกับลึกการเรียนรู้ และการ จดจำส่วนผสมอาหารวัตถุ มีสองระดับความลึกการเรียนรู้และขั้นตอนการวัดแคลอรี่ การประมวลผลประเภทอาหารเหล่านี้ไม่ได้พิจารณาในการทำงานก่อนหน้านี้เป็นอัลกอริทึมตัดสินใจเพียงออกแบบส่งงานตามจำนวนของวัตถุอาหาร เนื่องจากแต่ละหมวดหมู่ขั้นตอนเกี่ยวข้องสำหรับการวัดการรับรู้และแคลอรี่ของอาหารไม่แตกต่าง นายหน้าเมฆต้องจ้างตัดสินใจอัลกอริธึมแบบใหม่เพื่อรองรับความแตกต่างได้อย่างมีประสิทธิภาพขณะถ่ายการประมวลผลอินสแตนซ์อื่น ๆ เมฆ

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามการตัดสินใจขั้นตอนวิธีการใน [4] มีสองจุดอ่อน: ขั้นแรกจะใช้การตรวจสอบประสิทธิภาพการทำงานและความต้องการที่จะเพิ่มประสิทธิภาพต่อไปได้อย่างมีประสิทธิภาพจัดสรรภาพอาหารให้กับอินสแตนซ์ที่เหลือเมฆ ประการที่สองจะต้องมีการขยายต่อไป
สำหรับแต่ละประเภทอาหารเดียว (เช่นแอปเปิ้ล, กล้วย, สับปะรด, ส้ม, ฯลฯ ) หลาย ๆ (ข้าวกับไก่และสลัดในจานเดียวกัน) และวัตถุผสมอาหาร (พิซซ่าด้วยส่วนผสมที่ผสมเช่น เป็ปเปอร์โร, ไก่, พริก, มะกอก, ฯลฯ ) แต่ละประเภทอาหารเหล่านี้มีความต้องการการประมวลผลที่แตกต่างกัน ยกตัวอย่างเช่นรายการอาหารเดียวต้องสองขั้นตอน: การเรียนรู้ลึก (สกัดคุณลักษณะและการจำแนก) เวทีและเวทีวัดแคลอรี่ บนมืออื่น ๆ , วัตถุอาหารหลายต้องแรกจะแบ่งการขอรับวัตถุอาหารจากจานและจากนั้นทำการเรียนรู้ลึกและการจัดหมวดหมู่ในแต่ละภาพอาหารแบ่งและในที่สุดก็บูรณาการผลการเหล่านี้เพื่อให้แคลอรี่เอาท์พุทเดียวให้กับผู้ใช้ ในทำนองเดียวกันสำหรับวัตถุผสมอาหารมีขั้นตอนเพิ่มเติมแนะนำให้รู้จักกับวัตถุแรกรู้จักอาหารที่มีการเรียนรู้ลึกและเพิ่มเติมตระหนักถึงส่วนผสมของวัตถุอาหารที่มีระดับที่สองของการเรียนรู้ลึกและขั้นตอนการวัดแคลอรี่ การประมวลผลของประเภทอาหารเหล่านี้ไม่ได้รับการพิจารณาในการทำงานก่อนหน้าเป็นขั้นตอนวิธีการตัดสินใจที่ถูกออกแบบเฉพาะเพื่อส่งงานขึ้นอยู่กับจำนวนของวัตถุอาหาร เนื่องจากแต่ละประเภทอาหารขั้นตอนที่เกี่ยวข้องสำหรับการรับรู้และการวัดอาหารแคลอรี่จะแตกต่างกันนายหน้าเมฆต้องใช้ขั้นตอนวิธีการตัดสินใจใหม่ที่สมบูรณ์แบบเพื่อรองรับความแตกต่างที่มีประสิทธิภาพในขณะที่ถ่ายการประมวลผลเพื่อกรณีอื่น ๆ เมฆ