MUSEFood：基于多传感器的智能手机食物体积估计
计算机视觉与模式识别
2019-06-11 v3
摘要
研究表明，饮食记录可帮助人们增强对食物摄入的意识并改善营养管理，从而维持更健康的生活。近来，研究者致力于基于智能手机的饮食记录方法与应用程序，帮助用户完成两项任务：记录吃了什么以及吃了多少。尽管前一项任务通过采用图像识别技术已取得很大进展，准确且便捷地估计食物体积仍具挑战性。本文提出一种名为MUSEFood的新方法用于食物体积估计。MUSEFood使用相机拍摄食物照片，但与现有体积测量方法不同，MUSEFood既不需要带体积信息的训练图像，也不需在拍照时放置已知尺寸的参考物体。此外，考虑到不同容器对食物轮廓形状的影响，MUSEFood采用多任务学习框架提高食物分割精度，并使用适用于多种容器的微分模型进一步降低容器差异对体积估计精度的负面影响。进而，MUSEFood利用麦克风和扬声器在噪声环境中精确测量从相机到食物的垂直距离，从而将图像中食物尺寸缩放至实际尺寸。在真实食物上的实验表明，MUSEFood优于state-of-the-art方法，并大幅提升了食物体积估计速度。
引用
@article{arxiv.1903.07437,
title = {MUSEFood: Multi-sensor-based Food Volume Estimation on Smartphones},
author = {Junyi Gao and Weihao Tan and Liantao Ma and Yasha Wang and Wen Tang},
journal= {arXiv preprint arXiv:1903.07437},
year = {2019}
}