基于图像并结合深度域自适应的食物能量估计
计算机视觉与模式识别
2022-09-13 v1 人工智能
机器学习
摘要
膳食摄入评估主要依赖自我报告工具，这类工具容易出现测量误差。膳食评估方法日益融合技术进步，特别是移动、基于图像的方法，以应对部分局限并实现进一步自动化。移动、基于图像的方法可通过自动估计移动设备所拍摄用餐时刻图像中的膳食摄入量，减轻用户负担与偏差。本文提出一种“能量密度图”，即由 RGB 图像到食物能量密度的逐像素映射。随后我们将该“能量密度图”与深度传感器捕获的相应深度图结合，以估计食物能量。所提方法在 Nutrition5k 数据集上进行了评估。实验结果显示，相较于基线方法有所改进，真实值与估计食物能量之间的平均误差为 13.29 kCal，平均百分比误差为 13.57%。
引用
@article{arxiv.2208.12153,
title = {Image Based Food Energy Estimation With Depth Domain Adaptation},
author = {Gautham Vinod and Zeman Shao and Fengqing Zhu},
journal= {arXiv preprint arXiv:2208.12153},
year = {2022}
}