用于分类自我中心照片流中饮食场景的层次化方法
计算机视觉与模式识别
2019-05-13 v1
摘要
近期研究表明，人们进食的环境会影响其营养行为。在本工作中，我们通过检查每日记录的自我中心照片流，为个性化分析个人健康习惯提供自动工具。具体而言，我们提出一种用于饮食相关环境分类的新自动方法，能够分类多达15种此类场景。由此，人们可以监测其进食周围的情境，以客观洞察日常进食规律。我们提出一个将饮食相关场景按语义层次组织的分类模型。此外，我们提出并公开了一个由可穿戴相机记录的超过33000张图像组成的新自我中心数据集，我们的模型在该数据集上进行了测试。我们的方法分别取得了56%的准确率和65%的F值，明显优于基线方法。
引用
@article{arxiv.1905.04097,
title = {Hierarchical approach to classify food scenes in egocentric photo-streams},
author = {Estefania Talavera and Maria Leyva-Vallina and Md. Mostafa Kamal Sarker and Domenec Puig and Nicolai Petkov and Petia Radeva},
journal= {arXiv preprint arXiv:1905.04097},
year = {2019}
}