使用改进的 YOLOv8 与回归模型进行孟加拉国街头食品卡路里估计
计算机视觉与模式识别
2025-09-03 v1
摘要
随着肥胖率的持续上升，自动化卡路里追踪已成为寻求保持健康生活方式或坚持饮食计划人群的重要工具。尽管已有许多研究致力于解决此问题，但现有方法通常面临关键局限，例如仅提供恒定卡路里输出、在多种食物识别上存在困难、图像缩放与归一化方面的挑战，以及主要集中于西方饮食。在本文中，我们提出了一种专门针对孟加拉国街头食品的定制解决方案。我们首先构建了一个包含孟加拉国各地流行街头食品的多样化数据集。然后，我们通过改进最先进的视觉模型 YOLOv8 开发了一个精细的卡路里估计系统。与基础变体相比，我们改进后的模型在计算复杂度仅略有增加的情况下，取得了更优的分类和分割结果。结合机器学习回归模型，我们的系统在卡路里估计中达到了 6.94 的平均绝对误差 (MAE)、11.03 的均方根误差 (RMSE) 以及 96.0% 的 R^2 得分，使其在真实世界食品卡路里计算中既高效又准确。
引用
@article{arxiv.2509.01415,
title = {Bangladeshi Street Food Calorie Estimation Using Improved YOLOv8 and Regression Model},
author = {Aparup Dhar and MD Tamim Hossain and Pritom Barua},
journal= {arXiv preprint arXiv:2509.01415},
year = {2025}
}