基于图像的多任务膳食评估：食物识别与份量估计
计算机视觉与模式识别
2020-04-29 v1
摘要
基于深度学习的方法在诸多基于图像的膳食评估应用中取得了令人印象深刻的成果，例如食物分类与食物份量估计。然而，现有方法一次仅关注单一任务，难以在需同时处理多个任务的现实场景中应用。本工作中，我们提出一种端到端多任务框架，可同时实现食物分类与食物份量估计。我们引入了一个来自营养学研究的食物图像数据集，其真实食物份量由注册营养师提供。该多任务学习采用基于 L2 范数的软参数共享，同时训练分类与回归任务。我们还提出结合归一化使用跨域特征自适应，以进一步提升食物份量估计的性能。我们的结果在分类准确率与份量估计平均绝对误差上均优于基线方法，展现出推动基于图像的膳食评估领域的巨大潜力。
引用
@article{arxiv.2004.13188,
title = {Multi-Task Image-Based Dietary Assessment for Food Recognition and Portion Size Estimation},
author = {Jiangpeng He and Zeman Shao and Janine Wright and Deborah Kerr and Carol Boushey and Fengqing Zhu},
journal= {arXiv preprint arXiv:2004.13188},
year = {2020}
}