活2022 \食品质地

识别食品口感与视觉识别

我们应用移动计算机视觉模式识别纹理和食品集团在食品图片,而评估不同的方法来显示这个信息给用户为了提高对当前系统的手工记录的数十亿人试图维持一个健康的饮食。

我们的项目

我们考虑如何改善饮食分析从其流行的手工记录自动照片风格方法使用轻量级cnn,这将导致更好的个人饮食与健康专家评审和沟通。提出了一种新的整体自动化食品分析方法用食物结构和食品集团识别提取更有意义的饮食的见解。图像三个现有的数据集:FoodSeg103、Nutrition5K AICrowd食品识别V2.1,都被7和国家广泛使用的食品质地与8750年创建一个纹理多标记数据集图像和10个主要食物组创建一个分段食品集团与7160年数据集的图像。MobileNetV3L是调整两个数据集上执行多标记分类有前途的初步精度。DeepLabV3 +与MobileNetV3L骨干也用于生成语义分割面具粗略的估计。最后,我们将食品集团多标记分类器和细分模式在一个多任务网络,导致任务温和的性能的提高。我们的研究结果验证食品结构的可行性和食品集团识别使用一个轻量级的CNN架构和支持多任务计算机视觉建模对食物的使用。我们希望我们的整体饮食评估管道鼓励额外的未来工作发展中更多nutritionally-relevant和洞察力的计算机视觉食品分析系统。

链接

大点

1。进行图像分类和分割使用MobileNetV3和DeepLabV3 +饮食评估
2。工作研究的过程中通过创建一个海报和纸
3所示。评估人机交互通过测试不同的用户界面显示食品信息

视频

活22“识别食品口感与视觉识别:布兰登刘和Hamzah艾哈迈迪

我们考虑如何改善饮食分析从其流行的手工记录自动照片风格方法使用轻量级cnn,这将导致更好的个人饮食与健康专家评审和沟通。以前的工作在计算机视觉食品分析关注热量估算和特定的识别,这本身是不充分的评估营养摄入和一般的饮食习惯。提出了一种新的整体自动化食品分析方法用食物结构和食品集团识别提取更有意义的饮食的见解。图像三个现有的数据集:FoodSeg103、Nutrition5K AICrowd食品识别V2.1,都被7和国家广泛使用的食品质地与8750年创建一个纹理多标记数据集图像和10个主要食物组创建一个分段食品集团与7160年数据集的图像。MobileNetV3L是调整两个数据集上执行多标记分类有前途的初步精度。DeepLabV3 +与MobileNetV3L骨干也用于生成语义分割面具粗略的估计。最后,我们将食品集团多标记分类器和细分模式在一个多任务网络,导致任务温和的性能的提高。我们的研究结果验证食品结构的可行性和食品集团识别使用一个轻量级的CNN架构和支持多任务计算机视觉建模对食物的使用。我们希望我们的整体饮食评估管道鼓励额外的未来工作发展中更多nutritionally-relevant和洞察力的计算机视觉食品分析系统。