利用自动个性化营养：基于营养分类法的食物图像识别基准与数据集

在当今以久坐和不良饮食习惯为标志的社会中，维持健康的生活方式变得愈发具有挑战性。为解决此问题，国内和国际组织已作出诸多努力以推广更健康的饮食和增加体力活动。然而，在日常中落实这些建议可能很困难，因为它们通常是通用的且未针对个人定制。本研究提出了AI4Food-NutritionDB数据库，这是首个结合食物图像以及基于国内和国际卫生当局建议的营养分类法的营养数据库。该数据库提供多级分类，包含6个营养层级、19个主类别（如“肉类”）、73个子类别（如“白肉”）和893种具体食品（如“鸡肉”）。AI4Food-NutritionDB为食物摄入频率、质量和分类方面的新食物计算方法打开了大门。此外，我们提出了一个标准化实验协议和基准，包含基于营养分类法的三项任务（即类别、子类别和最终产品识别）。这些资源可供研究社区使用，包括我们在AI4Food-NutritionDB上训练的深度学习模型，其可作为预训练模型，对具有挑战性的食物图像数据库实现准确识别结果。