基于 AIM-2 可穿戴传感器的食物摄入环境自动识别
多媒体
2024-05-14 v1 人工智能
计算机视觉与模式识别
摘要
检测摄入环境是监测饮食摄入的一个重要方面。它为饮食评估提供了有洞察力的信息。然而，这是一个具有挑战性的问题，其中人工审查可能十分繁琐，而基于算法的审查则面临数据不平衡和感知混叠问题。为了解决这些问题，我们提出了一种基于神经网络的方法，采用两阶段训练框架，巧妙地结合了微调和迁移学习技术。我们的方法在一个新收集的名为“UA Free Living Study”的数据集上进行了评估，该数据集使用以自我为中心的可穿戴相机 AIM-2 传感器，模拟自由生活条件下的食物消费。所提出的训练框架应用于常见的神经网络主干，并结合了通用不平衡分类领域的方法。在所收集数据集上的实验结果表明，我们提出的自动摄入环境识别方法成功解决了数据集中具有挑战性的数据不平衡问题，并实现了 96.63% 的理想总体分类准确率。
引用
@article{arxiv.2405.07827,
title = {Automatic Recognition of Food Ingestion Environment from the AIM-2 Wearable Sensor},
author = {Yuning Huang and Mohamed Abul Hassan and Jiangpeng He and Janine Higgins and Megan McCrory and Heather Eicher-Miller and Graham Thomas and Edward O Sazonov and Fengqing Maggie Zhu},
journal= {arXiv preprint arXiv:2405.07827},
year = {2024}
}
备注
Accepted at CVPRw 2024