FoodTracker：基于深度卷积神经网络的实时食物检测移动应用
计算机视觉与模式识别
2019-09-17 v2
摘要
我们提出了一款移动应用，用于从单张图像中实时识别多目标餐食中的食物项，并返回包含成分与近似含量的营养信息。我们的工作分为两部分。首先，我们构建了一个融合YOLO（一种最先进的检测策略）的深度卷积神经网络，以实现同步的多目标识别与定位，平均精度均值接近80%。其次，我们将模型适配为具有营养分析扩展功能的移动应用。在应用端对模型输出进行推断和解码后，我们以实时或本地模式呈现包含边界框位置与类别标签的检测结果。我们的模型非常适合移动设备，推断时间可忽略且内存需求小，采用深度学习算法。
引用
@article{arxiv.1909.05994,
title = {FoodTracker: A Real-time Food Detection Mobile Application by Deep Convolutional Neural Networks},
author = {Jianing Sun and Katarzyna Radecka and Zeljko Zilic},
journal= {arXiv preprint arXiv:1909.05994},
year = {2019}
}
备注
The 16th International Conference on Machine Vision Applications