本研究通过对 Instagram 上标签和社交网络数据的分析，尝试理解外部图片的内容以及其与已有标签的关联，特别地，通过纯粹的社交网络数据尝试识别食品图像的类别和内容，并证明了该方法在识别流行食品类别时的正确率可以达到 70% 以上，这表明通过数据驱动的分析可以为图片内容的关系及开发相关算法提供新的机遇和挑战。

Mar, 2016

这篇论文通过分析 Instagram 上 214,753 家餐厅的照片，旨在评估快餐和连锁餐厅与肥胖症之间的关系，揭示社交媒体上饮食健康的社交强化和认可的本质，发现快餐除了在社交交互和个人感知中扮演一定角色外，还与社交认可等因素反向，体现饮食景观的复杂生态系统。

Mar, 2015

该研究通过引入 Nutrition5k 数据集，采用计算机视觉算法能够精确预测真实世界中的复杂菜肴的热量和营养素值，并且具有超过专业营养学家的准确性，使这一领域的营养理解得到加速创新。

Mar, 2021

通过社交媒体平台的大数据监测，运用基于位置和关键词的图片爬取方法，训练出肯尼亚饮食分类模型及识别器，对 13 种典型肯尼亚食品进行分类识别，结合对图片、标签的分析和挖掘，探究了 2019 年 3 月肯尼亚社交媒体上各种食品的人气趋势。

Aug, 2019

我们的研究介绍了一种创新的基于图像的饮食评估系统，采用先进的图像分割和分类技术来分析盘中食物、评估餐的健康性，并根据哈佛健康饮食盘的研究进行营养评估，从而为个人提供可操作的健康饮食建议，旨在促进更健康的饮食习惯。

Mar, 2024

研究社交媒体上食品语言的预测能力，通过三百万个相关推特文章的语料库，演示可以直接从数据中预测许多潜在的人口特征，包括超重率、糖尿病率、政治倾向和作者的家庭地理位置，所有任务的基于语言的模型都显著优于多数基线。最后，我们设计和实现了一个在线系统，用以实时查询和可视化数据集。

Sep, 2014

近年来，“食品色情” 现象逐渐增多，但该研究通过对于近 1000 万 Instagram 用户的行为数据分析，发现 #foodporn 可以激发健康生活方式的积极意义，为促进健康食品消费提供指导意义。

Mar, 2016

研究通过 Instagram 中用户提供的标签与机器标注标签的数据来源的可行性及其对公共健康状况的研究价值，发现二者均可用于推断县域健康状况，并提出了机器标注标签在研究物质滥用方面的应用潜力。

Dec, 2015

本研究旨在通过分析移动设备（如智能手机）捕获的食物图像来改进膳食评估的准确性，提出了一种新的基于卷积神经网络的食品图像识别算法，并将该方法应用于两个真实数据集（UEC-256 和 Food-101）中，取得了令人瞩目的结果。

Jun, 2016

利用手机相机，基于餐馆菜单照片数据库，结合计算机视觉技术，识别不同餐馆不同食品种类的图像，以达到自动化的饮食日记记录。

Oct, 2015