EHSH is able to recognize a food ob

EHSH is able to recognize a food object, the image of which is captured by the user’s smartphone, and can estimate the total number of calories in the food object. For recognizing the food portions in the meal, we proposed two approaches in [6–8]. In our first approach [6], we implemented a Support Vector Machine (SVM) based parallel classifier, which was implemented in parallel in multiple cloud instances. In our second approach, we used deep learning [8], which resulted in higher accuracy as compared to [6,7].

ผลลัพธ์ (ไทย) 1:

EHSH สามารถจดจำวัตถุอาหาร ภาพที่ถ่าย ด้วยสมาร์ทโฟนของผู้ใช้ และสามารถประมาณจำนวนแคลอรี่ในอาหารวัตถุได้ การตระหนักถึงส่วนอาหารในอาหาร เรานำเสนอสองวิธีใน [6-8] วิธีแรก [6], เราใช้แบบเวกเตอร์เครื่องสนับสนุน (SVM) คะแนนขนานลักษณนาม ซึ่งถูกนำมาใช้พร้อมกันในหลายอินสแตนซ์ของระบบคลาวด์ วิธีสอง เราใช้การเรียนรู้ลึก [8], ซึ่งส่งผลให้ความแม่นยำสูงเมื่อเทียบกับ 6 [7]

ผลลัพธ์ (ไทย) 2:

EHSH จะสามารถรับรู้วัตถุอาหารภาพที่ถูกจับโดยมาร์ทโฟนของผู้ใช้และสามารถประมาณการจำนวนแคลอรี่ในวัตถุอาหาร การตระหนักถึงส่วนของอาหารในอาหารที่เรานำเสนอสองแนวทางใน [6-8] ในแนวทางของเราครั้งแรก [6] เราดำเนินการสนับสนุนเครื่องเวกเตอร์ (SVM) ตามลักษณนามขนานซึ่งถูกนำมาใช้ในแบบคู่ขนานในกรณีหลายเมฆ ในแนวทางที่สองของเราเราใช้การเรียนรู้ลึก [8] ซึ่งส่งผลให้ในความถูกต้องสูงขึ้นเมื่อเทียบกับ [6,7]