MyFood：一种辅助营养监测的食物分割与分类系统
计算机视觉与模式识别
2020-12-08 v1
摘要
缺乏食物监测在很大程度上导致了人群体重的增加。由于时间不足和日常繁忙，大多数人并不控制和记录其饮食中的摄入内容。计算机视觉领域已提出一些识别食物图像的方案，但少有专门针对营养监测的。本文介绍了一个智能系统的开发，该系统对图像中呈现的食物进行分类与分割，以辅助用户饮食与营养摄入的自动监测。本文展示了将最先进的图像分类与分割方法应用于食物识别的对比研究。在我们的方法中，我们比较了 FCN、ENet、SegNet、DeepLabV3+ 和 Mask RCNN 算法。我们构建了一个由巴西最常消费食物类型组成的数据集，包含九个类别共计 1250 张图像。模型使用以下指标进行评估：交并比（Intersection over Union）、灵敏度（Sensitivity）、特异度（Specificity）、平衡精度（Balanced Precision）和正预定义值（Positive Predefined Value）。我们还提出了一个集成到移动应用中的系统，可自动识别并估算一餐中的营养素，协助人们更好地进行营养监测。所提出的解决方案表现出优于市场上现有方案的结果。该数据集公开可用，链接如下：http://doi.org/10.5281/zenodo.4041488
引用
@article{arxiv.2012.03087,
title = {MyFood: A Food Segmentation and Classification System to Aid Nutritional Monitoring},
author = {Charles N. C. Freitas and Filipe R. Cordeiro and Valmir Macario},
journal= {arXiv preprint arXiv:2012.03087},
year = {2020}
}
备注
Paper published at SIBRAPI 2020 (Camera ready version)