以自我中心照片流发现饮食习惯
计算机视觉与模式识别
2020-09-17 v1
摘要
饮食习惯在我们生命的早期阶段形成。然而，要意识到我们的食物相关日常习惯如何影响健康生活并非易事。本工作中，我们处理从自我中心照片流中无监督地发现营养习惯的问题。我们构建了一个食物相关行为模式发现模型，从多日活动中揭示营养规律。为此，我们依赖 Dynamic-Time-Warping 来评估所收集各天之间的相似性。在此框架下，我们提出一个简单但稳健且快速的新分类流程，在食物相关图像分类上以 70% 的加权准确率和 63% 的 F-score 优于 SOTA。随后，我们用 Isolation Forest 方法将那些由不符合该人习惯的营养活动组成的日子识别为用户日常生活中的异常。此外，我们展示了一个在相机佩戴者独自进食时识别食物相关场景的应用。结果表明所提模型性能良好，且对可视化个体营养习惯具有意义。
引用
@article{arxiv.2009.07646,
title = {Eating Habits Discovery in Egocentric Photo-streams},
author = {Estefania Talavera and Andreea Glavan and Alina Matei and Petia Radeva},
journal= {arXiv preprint arXiv:2009.07646},
year = {2020}
}