单视图食物份量估计：使用生成对抗网络学习图像到能量的映射
计算机视觉与模式识别
2018-05-24 v2
摘要
由于与饮食相关的慢性疾病及其他健康问题的日益关注，亟需开发准确的方法来估计个体的食物与能量摄入。测量准确的膳食摄入是一个开放的研究问题。特别是，准确的食物份量估计具有挑战性，因为食物制备与消费过程给食物形状和外观带来了巨大变化。在本文中，我们提出一种食物份量估计方法，使用生成对抗网络（GAN）从食物图像估计食物能量（千卡）。我们引入每个食物图像的“能量分布”概念。为训练GAN，我们基于每个食物图像的地面真值食物标签与分割掩码以及与该图像相关的能量信息设计了一个食物图像数据集。我们的目标是学习食物图像到食物能量的映射。随后我们可基于能量分布估计食物能量。我们表明，通过学习图像到能量的映射，可获得10.89%的平均能量估计错误率。
引用
@article{arxiv.1802.09670,
title = {Single-View Food Portion Estimation: Learning Image-to-Energy Mappings Using Generative Adversarial Networks},
author = {Shaobo Fang and Zeman Shao and Runyu Mao and Chichen Fu and Deborah A. Kerr and Carol J. Boushey and Edward J. Delp and Fengqing Zhu},
journal= {arXiv preprint arXiv:1802.09670},
year = {2018}
}
备注
2018 IEEE International Conference on Image Processing