餐盘中菜肴检测：一种自动化饮食记录与营养管理的框架
计算机视觉与模式识别
2023-05-15 v1 人工智能
计算机与社会
摘要
饮食是生活方式疾病流行的核心。准确且轻松的饮食记录是有效饮食管理与热量限制的重要瓶颈。由于食物布局在视觉上复杂，餐盘中菜肴检测是一个具挑战性的问题。我们提出了一个端到端的饮食管理计算框架，涵盖数据编译、标注、最先进模型识别及其移动应用实现。作为一个案例研究，我们在以复杂摆盘著称、对自动化菜肴检测构成挑战的印度餐盘背景下实现了该框架。从 61 种最受欢迎的印度菜肴出发，我们通过基于深度学习的对象检测架构的比较分析确定了最先进模型。基于精心编译的 68,005 张餐盘图像与 134,814 个人工菜肴标注，我们首先比较十种多标签分类架构，确定 ResNet152（mAP=84.51%）为最佳模型。在经过详尽性能评估后实现的八种深度学习模型中，YOLOv8x（mAP=87.70%）成为菜肴检测的最佳模型架构。通过与 IndianFood10 数据集上的最先进模型比较，我们证明了 YOLOv8x 在该子集上更优的对象检测性能，并确立 ResNet152 为多标签分类的最佳架构。这些在丰富标注数据上训练的模型可扩展以涵盖全球菜系中的菜肴。所提框架通过一个概念验证移动应用得以展示，该应用可广泛应用于饮食记录、食物推荐系统、营养干预及生活方式疾病的缓解。
引用
@article{arxiv.2305.07552,
title = {Dish detection in food platters: A framework for automated diet logging and nutrition management},
author = {Mansi Goel and Shashank Dargar and Shounak Ghatak and Nidhi Verma and Pratik Chauhan and Anushka Gupta and Nikhila Vishnumolakala and Hareesh Amuru and Ekta Gambhir and Ronak Chhajed and Meenal Jain and Astha Jain and Samiksha Garg and Nitesh Narwade and Nikhilesh Verhwani and Abhuday Tiwari and Kirti Vashishtha and Ganesh Bagler},
journal= {arXiv preprint arXiv:2305.07552},
year = {2023}
}
备注
11 pages, 5 figures, 5 tables. Submitted to the 8th International Conference on Computer Vision & Image Processing (CVIP-2023)