f28최신로또문자발송디비)❤️텔레sein07(ㄱ > 갤러리

f28최신로또문자발송디비)❤️텔레sein07(ㄱ 비공개 소스 AI 모델, 식품 인식에서 90% 이상의 정확도 달성인공지능(AI) 발전으로 식품 이미지 인식 기술이 크게 향상되었다. 특히 비전-언어 모델(Vision-Language Models, VLM)이 텍스트와 이미지 데이터를 통합하여 식품 인식에 새로운 가능성을 제시하고 있다. 마드리드 자치대학교와 IMDEA 푸드 연구소 연구팀은 식품 영양 전문가 태그 데이터베이스(FoodNExTDB)를 개발하고, 비전-언어 모델 6종의 식품 인식 능력을 평가했다. 연구 결과, 비공개 소스 모델들이 공개 소스 모델보다 우수한 성능을 보였으며, 단일 제품 이미지에서는 90% 이상의 전문가 가중 회상률(Expert-Weighted Recall, EWR)을 달성했다. 그러나 현재 비전-언어 모델은 요리 스타일 구분이나 외관이 유사한 식품 간 차이 식별과 같은 세부적인 식품 인식에 여전히 어려움을 겪는 것으로 나타났다.7명의 영양 전문가가 검증한 9,263개 이미지 - FoodNExTDB 데이터베이스의 특징연구팀은 체중 감량 임상시험에 참여한 개인들의 실제 식이 기록에서 추출한 9,263개의 식품 이미지로 구성된 FoodNExTDB를 소개했다. 이 데이터베이스의 특징은 7명의 영양 전문가가 모든 이미지를 검토하여 약 5만 개의 라벨을 생성했다는 점이다. 각 이미지는 10개의 주요 식품 카테고리(예: "단백질 공급원", "채소 및 과일" 등), 62개의 하위 카테고리(예: "가금류", "과일" 등), 그리고 9개의 조리 스타일(예: "구운", "삶은" 등)로 체계적으로 분류되었다. 이러한 구조화된 분류법은 식품 인식 모델 평가에 있어 중요한 기준을 제공한다.각 참가자는 평균적으로 약 96개의 식품 이미지를 촬영했으며, 이미지의 약 79%는 스페인의 주요 식사 시간(아침, 점심, 저녁)에 촬영되었다. 가장 자주 할당된 식품 카테고리는 "채소 및 과일"(약 28%), "곡물 및 콩류"(약 17%), "음료"(약 16%)였다. 하위 카테고리 수준에서는 "채소"(약 13%), "과일"(약 13%), "빵"(약 8%)이 가장 많았다.Gemini 70.16%, ChatGPT 64.32% - 비전-언어 모델 6종의 식품 인식 성능 비교연구팀은 ChatGPT(GPT-4o), Gemini 2.0 Flash, Claude 3.5 Sonnet과 같은 비공개 소스 모델과 Moondream, DeepSeek Janus-Pro, LLaVA와 같은 공개 소