基于CNN的食物检测探索
计算机视觉与模式识别
2018-01-29 v1
摘要
与慢性疾病成因直接相关的最常见关键因素之一是不健康的饮食摄入。在此意义上，构建食物分析的自动系统可更好地理解所吃食物的营养信息，从而有助于采取纠正措施以消费更好的饮食。计算机视觉界已将其努力集中于视觉食物分析的若干领域，例如：食物检测、食物识别、食物定位、份量估计等。对于食物检测，现有技术中证明的最佳结果是使用卷积神经网络（Convolutional Neural Network）获得的。然而，所有这些不同方法的结果是在不同数据集上得到的，因此无法直接比较。本文提出了食物检测最新进展的概述，以及一种基于 GoogLeNet 卷积神经网络方法、主成分分析和支持向量机的最优模型，该模型在两个公开的食物/非食物数据集上优于现有技术。
引用
@article{arxiv.1709.04800,
title = {Exploring Food Detection using CNNs},
author = {Eduardo Aguilar and Marc Bolaños and Petia Radeva},
journal= {arXiv preprint arXiv:1709.04800},
year = {2018}
}