通过集成层次化食物分类改进膳食评估
计算机视觉与模式识别
2021-09-08 v1
摘要
基于图像的膳食评估是指从视觉数据确定某人吃了什么以及消耗了多少能量和营养素的过程。食物分类是第一步也是最关键的一步。现有方法侧重于仅基于视觉信息以提高由正确分类率衡量的准确率，由于食物的高复杂性和类间相似性，这极具挑战性。此外，食物分类的准确率是概念性的，因为对食物的描述总可以改进。在本工作中，我们引入一种新的食物分类框架，通过集成多领域信息来提高预测质量，同时保持分类准确率。我们应用基于层次结构的多任务网络，利用视觉和营养领域特定信息对相似食物进行聚类。我们的方法在修改后的 VIPER-FoodNet (VFN) 食物图像数据集上验证，该数据集包含了相关的能量和营养素信息。我们取得了与仅使用视觉信息的现有方法相当的分类准确率，但在错误预测的能量和营养素值方面误差更小。
引用
@article{arxiv.2109.02736,
title = {Improving Dietary Assessment Via Integrated Hierarchy Food Classification},
author = {Runyu Mao and Jiangpeng He and Luotao Lin and Zeman Shao and Heather A. Eicher-Miller and Fengqing Zhu},
journal= {arXiv preprint arXiv:2109.02736},
year = {2021}
}