菲洛嘉青春动能素135HA FILLMED® NCTF 135HA LED指示灯的常见故障分析 智微智能 Elkhartlake K075终端,零售产业新选择 天空蓝拓客管理系统详细介绍版 muso公链项目 天使计划 是什么?[秘] 独家揭秘最前沿的家装“黑科技”——掌赋 天博体育欧洲杯特辑,东道主法兰西的失意2016 亚马逊的送货侦察员 学习听起来像挡泥板 Google Comics Factory使ML变得容易 笑着说-男性或女性 Amazon Rekognition中更好的人脸检测 关于Spaun的真相-大脑模拟 两个聊天机器人彼此聊天-有趣又怪异 GANPaint:将AI用于艺术 WCF和WF给予社区 从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作
您的位置:首页 >物联网 >

AI应用于Cookie

您是在吃不熟悉的菜肴时尝试制作其成分以便在家中重新制作的那些人中的一员吗?程序员特别喜欢这种东西,现在CSAIL的研究人员正在对其进行深入的学习改造。

在与卡塔尔计算机研究所(QCRI)和加泰罗尼亚理工大学的联合研究中,该团队训练了一个名为Pic2Recipeto的人工智能系统,可以查看食物照片,并能够预测成分并提出相似的食谱。

您可以在此视频中看到它的运行情况:

这看起来像是过去几年中大量使用的照片识别练习,其中包含用于识别植物,鸟类和狗的品种的应用程序,是的,有很多共同点。但是,根据麻省理工学院博士后Yusuf Aytar的说法,Pic2Recipe足够新颖以至于值得在檀香山的计算机视觉和模式识别会议上发表论文的原因是:

“在计算机视觉中,人们几乎忽略了食物,因为我们没有进行预测所需的大规模数据集。”

团队的其余成员包括MIT教授Antonio Torralba,CSAIL研究生Nick Hynes和f Javier Marin,西班牙加泰罗尼亚理工大学的Amaia Salvador以及科学家Ferda Ofli和QCRI的研究主任Ingmar Weber。

他们的论文《学习烹饪食谱和食物图像的交叉模式嵌入》介绍了Recipe1M,这是一个新的大规模结构化语料库,包含超过100万个烹饪食谱和80万个食物图像,这使其成为最大的公开收集的食谱数据。

目的不仅仅是增加一本巨大的烹饪书,而是训练一个神经网络来检索食谱:

在线食谱集上充斥着用户提交的照片,这表明培训机器可以通过联合分析配料表,烹饪说明和食物图像来自动了解食物制备。除了仅在烹饪艺术领域中应用之外,这种工具还可以应用于在社交媒体上共享的大量食物图像,以洞察食物的重要性及其对公共卫生和文化遗产的准备。

从超过二十个受欢迎的烹饪网站上抓取食谱,并通过管道进行处理,该管道从原始HTML中提取相关文本,下载链接的图像,并将数据组装成紧凑的JSON模式,在其中可以唯一地标识每个数据。

Recipe1M数据集具有两层。第一个包含基本信息,包括标题,配料列表以及准备菜肴的说明序列;所有这些数据均以自由文本形式提供。第二层建立在第一层之上,并包括与配方相关的任何图像-这些图像以JPEG格式的RGB提供。食谱-图像对可让您深入了解食品的成分和制备方法:

recipe1分钟

您可以使用CSAIL提供的Ptoto尝试Picasa的Pic2Recipe,以探索配方:

pic2recipe1

另外,您也可以上传图像-但是即使图像数据集很大,它的库也有很多空白-但它在识别烘焙食品方面还是相当不错的:

pic2r2

如果此应用让您深思熟虑,则可能可以做很多事情。本文中的代码训练和评估模型位于GitHub(已分叉)上,您可以在注册并同意条款和条件后下载Recipe1M数据集。

pic2rsq

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。