基于深度残差网络的食物识别以增强增强现实应用

基于深度神经网络的学习方法被广泛用于图像分类或目标检测相关问题，并取得了显著成果。对象的实时对象状态估计可用于跟踪和估计当前帧中对象所具有的特征，而不会产生任何显著的延迟和误分类。一个能够从相机图像中检测此类对象在当前状态下特征的系统，可用于增强增强现实的应用，从而改善用户体验并以更具感知性的方式传递信息。本文背后的重点是确定最合适的模型，以创建一个低延迟的辅助 AR，通过向用户提供有关他们所食用食物的营养信息来帮助他们，从而促进更健康的生活选择。因此，数据集是以这种方式收集和获取的，我们进行了各种测试，以在性能和复杂性方面确定最合适的 DNN，并建立一个向用户实时渲染此类信息的系统。