一种用于膳食评估的多任务学习方法
计算机视觉与模式识别
2018-06-28 v1
摘要
均衡营养与合理膳食在预防饮食相关慢性病中起着关键作用。传统的膳食评估方法耗时、昂贵且易出错。在过去十年中，出现了基于新技术、可提供可靠且便捷膳食评估的方法。计算机视觉领域的进展使得利用膳食图像评估营养成分成为可能，通常经由三个步骤：食物分割、识别和体积估计。在本文中，我们提出将一张RGB膳食图像作为输入，输入到一个基于多任务学习的卷积神经网络(CNN)中。所提出的方法取得了出色的性能，而与最先进(state-of-the-art)方法的比较表明，该方法在准确性上具有明显优势，同时大幅减少了处理时间。
引用
@article{arxiv.1806.10343,
title = {A Multi-Task Learning Approach for Meal Assessment},
author = {Ya Lu and Dario Allegra and Marios Anthimopoulos and Filippo Stanco and Giovanni Maria Farinella and Stavroula Mougiakakou},
journal= {arXiv preprint arXiv:1806.10343},
year = {2018}
}