利用改进马尔可夫链模拟个人食物消费模式
计算机视觉与模式识别
2022-08-16 v1
摘要
食物图像分类作为基于图像的饮食评估的基础，用于预测食物类别。由于现实生活中存在众多不同的食物类别，常规模型无法达到足够高的准确率。个性化分类器旨在大幅提升每个人食物图像分类的准确率。然而，缺乏公开的个人食物消费数据对训练此类模型构成了挑战。为解决该问题，我们提出了一种新颖的框架，利用改进的马尔可夫链模型与自监督学习来模拟个人食物消费数据模式。我们的方法能够从有限量的初始数据创建准确的未来数据模式，且模拟的数据模式可与初始数据模式紧密关联。此外，我们使用动态时间规整距离与 Kullback-Leibler 散度作为指标，在公开 Food-101 数据集上评估方法的有效性。实验结果表明，与随机模拟及原始马尔可夫链方法相比，我们的方法具有良好性能。
引用
@article{arxiv.2208.06709,
title = {Simulating Personal Food Consumption Patterns using a Modified Markov Chain},
author = {Xinyue Pan and Jiangpeng He and Andrew Peng and Fengqing Zhu},
journal= {arXiv preprint arXiv:2208.06709},
year = {2022}
}
备注
9 pages, 6 figures,In Proceedings of the 7th International Workshop on Multimedia Assisted Dietary Management (MADiMa 22)