In our implementation, we made sure

In our implementation, we made sure the image processing steps are performed in the cloud, in order to remove the overhead of processing from the mobile device [8]. For computing the calorie value of the food, we proposed two different techniques, each
of which was running in the cloud too. For the first technique in [6,7], we utilized the user’s finger as a calibration reference for computing the size of food portions and their ensuing calorie amounts. The user had to place his finger near the food each time the photo was captured. For the second technique, we proposed an auto-calibration approach [8] that did not require the use of a reference object to calculate the food dimension and its ensuing calorie content.

ผลลัพธ์ (ไทย) 1:

ในการใช้งานของเรา เราทำแน่ใจว่า ขั้นตอนการประมวลผลภาพดำเนินการในระบบคลาวด์ เพื่อที่จะเอาค่าใช้จ่ายในการประมวลผลจากอุปกรณ์มือถือ [8] สำหรับคำนวณค่าแคลอรี่ของอาหาร เรานำเสนอเทคนิคที่สองแตกต่างกัน แต่ละที่ทำงานในระบบคลาวด์เกินไปอยู่ เทคนิคแรกใน 6 [7], เราสามารถใช้นิ้วของผู้ใช้เป็นการอ้างอิงการปรับเทียบสำหรับการคำนวณขนาดของส่วนอาหารและจำนวนแคลอรี่ของทวีป ผู้ใช้มีการวางนิ้วของเขาใกล้กับอาหารแต่ละครั้งที่ถ่ายภาพ สำหรับเทคนิคที่สอง เรานำเสนอวิธีการปรับเทียบอัตโนมัติ [8] ที่ไม่จำเป็นต้องใช้วัตถุอ้างอิงในการคำนวณมิติอาหารและแคลอรี่เนื้อหาทวีป

ผลลัพธ์ (ไทย) 2:

ในการดำเนินงานของเราเราทำให้แน่ใจว่าขั้นตอนการประมวลผลภาพที่มีการดำเนินการในระบบคลาวด์เพื่อที่จะลบค่าใช้จ่ายของการประมวลผลจากอุปกรณ์มือถือ [8] สำหรับการคำนวณค่าแคลอรี่ของอาหารที่เรานำเสนอสองเทคนิคที่แตกต่างกันในแต่ละ
แห่งที่ได้รับการทำงานในระบบคลาวด์มากเกินไป สำหรับเทคนิคครั้งแรกใน [6,7] เราใช้นิ้วมือของผู้ใช้เป็นข้อมูลอ้างอิงการสอบเทียบสำหรับการคำนวณขนาดของส่วนของอาหารและต่อมาปริมาณแคลอรี่ของพวกเขา ผู้ใช้จะต้องวางนิ้วมือของเขาที่อยู่ใกล้กับอาหารในแต่ละครั้งที่ภาพถูกจับ สำหรับเทคนิคที่สองเราเสนอวิธีการสอบเทียบอัตโนมัติ [8] ที่ไม่จำเป็นต้องใช้วัตถุอ้างอิงในการคำนวณมิติอาหารและเนื้อหาแคลอรี่ต่อมา