NutritionVerse-Real：用于膳食摄入估计的开放获取手动采集二维食物场景数据集
计算机视觉与模式识别
2024-01-18 v1
摘要
膳食摄入估计在理解个体和人群的营养习惯、帮助预防和管理与饮食相关的健康问题中起着关键作用。准确的估计需要包含图像、分割掩码以及相关膳食摄入元数据的全面食物场景数据集。本文介绍了NutritionVerse-Real，一个开放获取的手动采集二维食物场景数据集，用于膳食摄入估计，包含889张图像，涵盖251道不同菜肴和45种独特食物类型。NutritionVerse-Real数据集通过手动采集现实生活中的食物场景图像、测量每种食材的重量，并利用食材重量和食品包装或加拿大营养文件中的营养信息计算每道菜的相关膳食成分而创建。随后通过人工标注图像生成分割掩码。我们进一步分析了数据多样性，以突出使用该数据开发膳食摄入估计模型时可能存在的偏差。NutritionVerse-Real作为加速机器学习用于膳食感知的开放倡议的一部分，公开于https://www.kaggle.com/datasets/nutritionverse/nutritionverse-real。
引用
@article{arxiv.2401.08598,
title = {NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation},
author = {Chi-en Amy Tai and Saeejith Nair and Olivia Markham and Matthew Keller and Yifan Wu and Yuhao Chen and Alexander Wong},
journal= {arXiv preprint arXiv:2401.08598},
year = {2024}
}