CNN 能否识别加泰罗尼亚饮食？

如今，我们可以发现多种与人群不健康饮食习惯相关的疾病，如糖尿病、肥胖、贫血、暴食症和厌食症。在许多情况下，这些疾病与人们的食物摄入有关。地中海饮食被科学界公认为一种有助于预防许多代谢性疾病的健康饮食。具体而言，我们的工作聚焦于地中海食物和菜品的识别。该方法的发展将允许在生活记录主题下，利用可穿戴相机分析用户的日常习惯。通过使用自动化机制，我们可以构建一个客观的工具来分析患者的行为，使专家能够发现不健康的饮食模式并了解用户的生活方式。为了自动识别完整的饮食，我们引入了一个与地中海饮食相关的具有挑战性的多标签数据集，称为 FoodCAT。提供的第一类标签包含 115 种食物类别，平均每道菜 400 张图像；第二类标签包含 12 个食物类别，平均每类 3800 张图片。该数据集将作为开发自动饮食识别的基础。在此背景下，深度学习，更具体地说是卷积神经网络（CNN），目前是自动食物识别的 state-of-the-art 方法。在我们的工作中，为了进行饮食识别，我们比较了用于图像分类的几种架构。将最佳模型应用于食物类别识别，我们实现了 72.29% 的 top-1 准确率和 97.07% 的 top-5 准确率。在结合 Food-101 数据集以识别国际菜品的完整地中海饮食菜品识别中，对于总计 115+101 个食物类别，我们实现了 68.07% 的 top-1 准确率和 89.53% 的 top-5 准确率。