相关实验视频
Updated: Apr 25, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
基于深度学习的食品识别系统数据集的非洲食品
Grace Ataguba1, Rock Ezekiel2, James Daniel2
1Department of Computer Science, Dalhousie University, Halifax, Nova Scotia B3H 4R2, Canada.
Data in brief
|February 8, 2024
概括
这项研究将来自喀麦隆和加纳的非洲食品数据集介绍给人机交互 (HCI) 社区. 这些丰富的数据集旨在加强HCI研究中的文化包容性.
科学领域:
- 计算机科学 计算机科学
- 人与计算机的交互 (HCI)
- 文化研究 文化研究
背景情况:
- 非洲食物具有重要的社会文化意义,经常通过移民和社会融合跨越边界.
- 人与计算机交互 (HCI) 社区历来显示非洲食品研究的代表性有限.
- 非洲的文化多样性是巨大的,包括语言,美食,传统和信仰.
研究的目的:
- 通过贡献新的数据集,解决非洲食品在HCI研究中的不足.
- 通过突出非洲传统,促进HCI社区的文化包容.
- 为研究人员提供有价值的视觉数据,用于开发文化相关的HCI应用程序.
主要方法:
- 收集了喀麦隆流行的食品 (Ekwang,Eru,Ndole) 和加纳食品 (Jollof Rice,棕果,Waakye) 的图像数据集.
- 来自各种平台的数据来源,包括YouTube,Facebook,现场研究 (餐厅) 和Creative Commons图像存储库.
- 通过地方商,在各自国家验证了选择菜的普遍认可.
主要成果:
- 编制了大量图像的综合数据集:Ekwang (204),Eru (206),Ndole (205),Jollof Rice (347),棕果 (392),和Waakye (400).这些数据集包含了大量的图像:Ekwang (204),Eru (206),Ndole (205),Jollof Rice (347),棕果 (392),和Waakye (400).
- 为收集的食品图像数据集提供了详细的元数据描述和质量评估.
- 识别并概述了使用这些数据集的HCI社区的未来研究机会.
结论:
- 精心策划的非洲食品数据集为HCI社区提供了宝贵的资源.
- 这一贡献旨在促进更大的文化多样性和纳入HCI研究和开发.
- 这些数据集可以支持为各种各样的全球用户创建更加文化敏感和相关的技术解决方案.
