Jan, 2023

通过有效的食物识别技术在本地新加坡食品数据集上营养辅助保健平台

PDF
TL;DR本论文研究了精准食品识别在新加坡的需求，推出了面向新加坡的健康护理服务平台 FoodSG，发布了经过系统清洁和筛选的 FoodSG-233 本地化食品数据集，并将监督对比学习集成到食品识别模型 FoodSG-SCL 中以提高其准确性。通过全面的评估，为数据管理社区中的从业者分享有关食品相关数据密集型医疗应用的见解。
发现论文，激发创造
  • Nutrition5k：面向通用食品的自动营养理解

    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

  • 同时食品定位与识别

    本文提出了一种同时实现食品本地化和识别的方法，该方法可以生成食品激活图，并识别各种食品类型和相关物品，并且在精度和召回率方面相对于具有相似问题的物体定位具有更高的结果，同时也适用于传统图像和自我中心图像。

    Apr, 2016

  • 从食堂食物到日常餐饮：将食物识别推广到更多实用场景中

    设计了两个新的基准数据集，DailyFood-172 和 DailyFood-16，用于评估将在精心策划的食品图像领域训练的方法转移到日常生活食品图像领域的可行性，并提出了一种名为 MCRL 的简单而有效的基线方法来解决领域差距问题。

    Mar, 2024

  • NutritionVerse-3D：一份用于营养摄入量估计的三维食品模型数据集

    本研究利用机器学习和计算机视觉技术，采用 NutritionVerse-3D 大规模高质量高分辨率数据集，开发了一种收集食品 3D 模型的方法，推进了营养感知的机器学习加速开放计划。

    Apr, 2023

  • FoodAI: 基于深度学习的食品图像识别智能饮食记录

    使用图像识别技术的智能食品日志记录系统 FoodAI 对健康监控和饮食控制非常重要，并且已被广泛应用于新加坡的移动应用程序 Healthy 365 中。

    Sep, 2019

  • AI4Food-NutritionFW: 面向自动合成和分析饮食行为的新型框架

    利用图像处理和人工智能的最新进展，本文提出了 AI4Food-NutritionFW 框架，用于根据可配置的饮食习惯创建食物图像数据集，并通过多维度指标评估个体的饮食行为健康指数，取得了令人期待的结果。

    Sep, 2023

  • DeepFood: 基于深度学习的食品图像识别用于计算机辅助膳食评估

    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

  • ChineseFoodNet：一个用于中式菜品识别的大规模图像数据集

    介绍了一个名为 “ChineseFoodNet” 的新型大规模食品图像数据集，旨在自动识别中国菜；该数据集包含 208 类别的 18 万多个食品照片，通过使用深度卷积神经网络与投票方法的机器学习方法，该方法在验证集和测试集分别达到了 81.43％和 81.55％的 top-1 精度。

    May, 2017

  • 多标签学习在食品成分识别中的应用

    研究了自动饮食评估系统中视觉识别食物的核心功能，使用深度多标签学习方法评估了几种最先进的神经网络，以在图像中检测任意数量的成分，并针对编码使用了多个著名的神经网络模型。在使用挑战性数据集 Nutrition5K 上，取得了有希望的初步结果，并为未来的探索奠定了坚实的基础。

    Oct, 2022

  • 大规模视觉食品识别

    该研究介绍了一个称为 Food2K 的当前最大的含有 2000 个类别和超过 100 万张图像的食品识别数据集，为进行视觉表示学习提供了挑战性的基准，同时建议了一种深度递进区域增强网络方法进行食品识别，旨在最大化视觉特征的差异以实现更好地泛化性能和更高的精度。

    Mar, 2021