Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13662
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚλεομένης Κόγιας
dc.date.accessioned2018-07-23T09:24:55Z-
dc.date.available2018-07-23T09:24:55Z-
dc.date.issued2017-12-7
dc.date.submitted2017-11-23
dc.identifier.urihttp://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13662-
dc.description.abstractΟ υπολογισμός της περιεχόμενης ποσότητας υδατανθράκων στα γεύματα των ατόμων με σακχαρώδη διαβήτη, αποτελεί πληροφορία μείζονος σημασίας καθώς καθορίζει την μεταγευματική δοσολογία της ινσουλίνης. Η παρούσα διπλωματική εργασία παρουσιάζει ένα μοντέλο ταξινόμησης φωτογραφικών στιγμιότυπων τροφής προσαρμοσμένο στις διατροφικές ανάγκες των ατόμων με σακχαρώδη διαβήτη.Η μέθοδος που χρησιμοποιείται για την ταξινόμηση των εικόνων στηρίζεται στα Συνελικτικά Νευρωνικά Δίκτυα. Συγκεκριμένα δημιουργείται ταξινομητής δύο επιπέδων, ο οποίος διακρίνει αρχικά τις εικόνες σε 8 ευρύτερες κατηγορίες: Γαλακτοκομικά και Προϊόντα, Φρούτα, Λαχανικά, Όσπρια και Αμυλούχα Λαχανικά, Κρέας και Υποκατάστατα, Ψωμί-Δημητριακά, Breaded Food, Λιπαρά Φαγητά και στην συνέχεια γίνεται ταξινόμηση της εικόνας ως ένα συγκεκριμένο φαγητό εντός της κατηγορίας. Η ταξινόμηση πραγματοποιείται σε σύνολο δεδομένων ειδικά διαμορφωμένο για άτομα με σακχαρώδη διαβήτη, καθώς επίσης δημιουργείται μετρική αξιολόγησης των αποτελεσμάτων ειδικά για το σκοπό αυτό.Η μέθοδος που προτείνεται βελτιώνει τα αποτελέσματα στο σύνολο δεδομένων Sarantea-2016, σημειώνοντας ακρίβεια ταξινόμησης 97,08%. Στο νέο σύνολο δεδομένων NTUA-Food 2017 η ακρίβεια ανά κατηγορία φθάνει το 84,18% ενώ ανά τροφή το 72,34%. Όπως φαίνεται από την μετρική αξιολόγησης των αποτελεσμάτων, η πρόβλεψη του μοντέλου που παρουσιάζεται, εμφανίζει μέση απόκλιση υπολογισμού των υδατανθράκων μικρότερη των 2γρ. ανά ένα ισοδύναμο τροφής.Συνεπώς, στο πλαίσιο της εργασίας παρουσιάζεται μοντέλο ειδικά διαμορφωμένο στις ανάγκες των ατόμων με σακχαρώδη διαβήτη. Τα Συνελικτικά Νευρωνικά Δίκτυα, το σύνολο δεδομένων NTUA-Food 2017, η ταξινόμηση δύο επιπέδων και η μετρική αξιολόγησης αποτελεσμάτων που προτείνονται αποτελούν τη βάση για την ανάπτυξη συστήματος αναγνώρισης τροφής. Η ενσωμάτωση του μοντέλου αυτού σε ένα ολοκληρωμένο αυτοματοποιημένο σύστημα πρόβλεψης υδατανθράκων θα επιτρέψει την καλύτερη αξιολόγηση του συστήματος.
dc.languageGreek
dc.subjectσακχαρώδης διαβήτης
dc.subjectσυνελικτικά νευρωνικά δίκτυα
dc.subjectπροεκπαίδευση συνελικτικού νευρωνικού δικτύου
dc.subjectειδική προσαρμογή (fine-tuning)
dc.subjectσύστημα αναγνώρισης τροφίμων
dc.subjectταξινόμηση εικόνας
dc.subjectεξαγωγή χαρακτηριστικών
dc.subjectμείωση διάστασης χαρακτηριστικών
dc.subjectνευρωνικά δίκτυα
dc.subjectμηχανή διανυσμάτων υποστήριξης
dc.subjectεκτίμηση υδατανθράκων
dc.subjectσύνολο δεδομένων φαγητών
dc.subjectsarantea-2016
dc.subjectntua-food 2017
dc.subjectισοδύναμα υδατάνθρακα
dc.subjectισοδύναμα τροφών
dc.titleΑνάπτυξη Συστήματος Αυτοματοποιημένης Αναγνώρισης Εικόνων Τροφής Προσαρμοσμένο Στις Ανάγκες Των Ατόμων Με Σακχαρώδη Διαβήτη
dc.typeDiploma Thesis
dc.description.pages150
dc.contributor.supervisorΝικήτα Κωνσταντίνα
dc.departmentΤομέας Συστημάτων Μετάδοσης Πληροφορίας & Τεχνολογίας Υλικών
dc.organizationΕΜΠ, Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File SizeFormat 
DT2017-0322.pdf4.8 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.