کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6923943 1448367 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multi-source data fusion using deep learning for smart refrigerators
ترجمه فارسی عنوان
تلفیق داده های چند منبع با استفاده از یادگیری عمیق برای یخچال های هوشمند
کلمات کلیدی
یادگیری عمیق، یخچال هوشمند شناخت میوه، تلفیقی داده های چندگانه،
ترجمه چکیده
شناخت مواد غذایی یکی از اصلی ترین وظایف یک یخچال هوشمند است. اما چالش های زیادی برای شناخت دقیق مواد غذایی به دلیل دلایل بسیاری از انواع غذا در داخل یخچال ها وجود دارد که تمایل دارند یکدیگر را مبهم کنند و ممکن است بسیار شبیه باشند. این مقاله یک روش به رسمیت شناختن میوه ارائه می دهد که اطلاعات مربوط به وزن و مدل های یادگیری چندگانه را متصل می کند. رویکرد پیشنهادی می تواند به طور قابل توجهی دقت تشخیص را بهبود بخشد. ما رویکرد پیشنهادی را برای عملکرد و دقت آن مورد بررسی قرار داده ایم که اثربخشی روش پیشنهادی را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Food recognition is one of the core functions for a smart refrigerator. But there are many challenges for accurate food recognition due to reasons of too many kinds of food inside the refrigerator which tends to obscure each other, and they may look very similar. This paper proposes a fruit recognition approach that fuses weight information and multi deep learning models. The proposed approach can remarkably improve recognition accuracy. We have extensively evaluated the proposed approach for its performance and accuracy, which demonstrate the effectiveness of the proposed approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Industry - Volume 95, February 2018, Pages 15-21
نویسندگان
, , , , , , , ,