用于在线食物图像采集与标注的半自动众包工具
信息检索
2019-10-16 v2 机器学习
摘要
准确评估膳食摄入仍是一个开放且具有挑战性的研究问题。近年来，基于图像的方法已被开发用于通过移动设备和可穿戴相机捕捉进食场景来自动估计食物摄入量。为构建能够自动将像素映射为卡路里的可靠机器学习模型，成功的基于图像的系统需要带有高质量真值标签的大量食物图像集合以改进所学模型。本文介绍一种用于在线食物图像采集与标注的半自动系统。我们的系统由网络爬虫、自动食物检测方法和基于网络的众包工具组成。网络爬虫用于根据给定的食物标签下载大量在线食物图像。由于并非所有检索到的图像都包含食物，我们引入自动食物检测方法来剔除不相关图像。我们设计了基于网络的众包工具以协助众包人员或人类标注者定位并标注图像中的所有食物。所提出的半自动在线食物图像采集系统可用于从零开始高效地构建带真值标签的大型食物图像数据集。
引用
@article{arxiv.1910.05242,
title = {Semi-Automatic Crowdsourcing Tool for Online Food Image Collection and Annotation},
author = {Zeman Shao and Runyu Mao and Fengqing Zhu},
journal= {arXiv preprint arXiv:1910.05242},
year = {2019}
}