用于个性化饮食干预的中亚食物数据集(扩展摘要)
计算机视觉与模式识别
2023-05-15 v1 机器学习
摘要
如今,人们常为自己饮用的每杯饮料、每份零食或每餐饭拍照,并将这些照片发布到社交媒体平台上。利用这些社会趋势,对捕获的食物图像进行实时食物识别与可靠分类,有望替代部分繁琐的食物日记记录与编码工作,从而实现个性化饮食干预。尽管中亚 cuisine 在文化和历史上独具特色,但关于该地区人群食物与饮食习惯的公开数据甚少。为填补此空白,我们旨在创建一个可靠的区域性食物数据集,供公众消费者与研究人员便捷获取。据我们所知,这是创建中亚食物数据集(CAFD)的首项工作。最终数据集包含 42 个食物类别及逾 16,000 张该地区特有的民族菜肴图像。我们使用 ResNet152 神经网络模型在 CAFD 上取得了 88.70%(42 类)的分类准确率。在 CAFD 上训练的食物识别模型展示了计算机视觉在饮食评估中的有效性与高准确率。
引用
@article{arxiv.2305.07257,
title = {A Central Asian Food Dataset for Personalized Dietary Interventions, Extended Abstract},
author = {Aknur Karabay and Arman Bolatov and Huseyin Atakan Varol and Mei-Yen Chan},
journal= {arXiv preprint arXiv:2305.07257},
year = {2023}
}
备注
3 pages, 2 figures, 5 tables