Završni, diplomski i specijalistički rad
Procjena kalorijske vrijednosti iz slika hrane pomoću nadziranog strojnog učenja
2024.
Završni rad (sveučilišni)
Sveučilište Josipa Jurja Strossmayera u Osijeku, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Zavod za programsko inženjerstvo
https://urn.nsk.hr/urn:nbn:hr:200:372631
Glavni cilj ovog završnog rada bio je razviti model za procjenu kalorijske vrijednosti hrane koristeći nadzirano strojno učenje i slike obroka. U tu svrhu izrađen je specifičan podatkovni skup koji sadrži slike najčešćih namirnica i obroka, zajedno s pripadajućim kalorijskim vrijednostima. Ključni korak u razvoju modela bilo je izdvajanje značajki iz slika korištenjem algoritama kao što su HOG, LBP i LDA. Kako bi se poboljšala preciznost modela, implementirane su i metode za odabir značajki, uključujući informacijsku dobit, Chi-kvadrat test i omotač. Modeli trenirani za procjenu kalorijske vrijednosti obuhvaćali su algoritme k-najbližih susjeda (KNN), regresiju potpornih vektora (SVR) i stabla odlučivanja (DT). Iako su rezultati pokazali određene potencijale, model nije postigao dovoljnu preciznost, što je vidljivo kroz relativno visoke vrijednosti mjere RMSE. Uzrok tome dijelom je ograničenost korištenog podatkovnog skupa, ali i složenost problema prepoznavanja hrane s jedne slike. Unatoč tome, ovaj rad pruža vrijedan uvid u problematiku procjene kalorija iz slika te postavlja temelje za buduća istraživanja. U budućnosti je preporučljivo proširiti podatkovni skup, uključiti složenije obroke te istražiti naprednije metode strojnog učenja, poput dubokog učenja, kako bi se poboljšala preciznost modela i omogućila njegova primjena u svakodnevnom životu korisnika.
izdvajanje značajki kalorije nadzirano učenje regresija slike hrane
Autori Petrović, Danilo (Autor)
Mentori Bajer, Dražen (Mentor) ; Dudjak, Mario (Komentor / sumentor)
Povjerenstvo za obranu Lukić, Ivica (Predsjednik povjerenstva)
Alternativni naslovi
(engleski) Caloric value estimation from food images using supervised machine learning
Alternativni sažeci
(engleski) The main goal of this thesis was to develop a model for estimating the caloric value of food using supervised machine learning and food images. For this purpose, a specific dataset was created containing images of the most common food items and meals, along with their respective caloric values. A key step in the development of the model was feature extraction from images using algorithms such as HOG, LBP, and LDA. To improve model accuracy, feature selection methods were also implemented, including Information Gain, Chi-Square test, and Wrapper method. The models trained for estimating caloric values included k-nearest neighbors (KNN), support vector regression (SVR), and decision trees (DT). Although the results showed some potential, the model did not achieve satisfactory accuracy, as evidenced by relatively high RMSE values. The causes for this are partly due to the limitations of the dataset used, as well as the complexity of recognizing food from a single image. Nonetheless, this thesis provides valuable insights into the issue of calorie estimation from images and lays the foundation for future research. In the future, it is recommended to expand the dataset, include more complex meals, and explore advanced machine learning methods such as deep learning, to improve the accuracy of the model and enable its application in everyday user scenarios.
Alternativne ključne riječi
calorie estimation
feature extraction
food images
regression
supervised learning
Ustanova koja je dodijelila ak./str. stupanj
Sveučilište Josipa Jurja Strossmayera u Osijeku, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Zavod za programsko inženjerstvo
Studijski program
Računarstvo; sveučilišni; prijediplomski
Umjetnička i znanstvena područja, polja i grane
Tehničke znanosti / Računarstvo / umjetna inteligencija
Datumi
Datum obrane: 26.09.2024.
Jezici
hrvatski
Datum izrade zapisa
14.10.2024.
Broj posjeta
0
Broj preuzimanja
0
Identifikatori