构建基于营养与食物组的图像数据库
计算机视觉与模式识别
2022-06-07 v1
摘要
食物分类对于分析膳食评估中所报告食物的营养成分至关重要。移动与可穿戴传感器的进展，结合新的基于图像的方法，特别是基于深度学习的方法，已显示出提高食物分类准确性以评估膳食摄入的巨大潜力。然而，这些方法渴求数据，其性能严重依赖于可用数据集的数量与质量以训练食物分类模型。现有食物图像数据集不适用于细粒度食物分类及后续营养分析，因为它们缺乏由具备专家领域知识的训练有素营养师所提供的细粒度且透明推导的基于食物组的标识。本文中，我们提出一个框架以创建基于营养与食物组的图像数据库，其包含视觉与分层食物分类信息，以增强与每种食物营养轮廓的关联。我们设计了一个将美国农业部（USDA）膳食研究食物与营养数据库（FNDDS）中基于食物组的食物代码关联到食物图像数据集的协议，并实现了基于 Web 的标注工具以高效部署该协议。我们提出的方法被用于构建一个基于营养与食物组的图像数据库，包含 16,114 张食物图像，代表美国《我们吃什么 in America》（WWEIA）中 74 个最频繁消费的食物子类别，其中 1,865 个 USDA 食物代码匹配到营养数据库，即 USDA FNDDS 营养数据库。
引用
@article{arxiv.2206.02086,
title = {Towards the Creation of a Nutrition and Food Group Based Image Database},
author = {Zeman Shao and Jiangpeng He and Ya-Yuan Yu and Luotao Lin and Alexandra Cowan and Heather Eicher-Miller and Fengqing Zhu},
journal= {arXiv preprint arXiv:2206.02086},
year = {2022}
}