相关实验视频
Updated: Jul 15, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
DeepTrayMeal:基于深度学习的中国托盘餐的自动饮食评估
Jialin Shi1, Qi Han1, Zhongxiang Cao1
1School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China.
Food chemistry
|September 24, 2023
概括
本研究介绍了ChinaLunchTray-99,这是中国第一个托盘餐数据集,可自动评估饮食. 开发的框架准确地识别了菜,估计了体积,并为公共卫生应用绘制了营养图.
科学领域:
- 计算机视觉 计算机视觉
- 营养科学 营养科学
- 公共卫生 公共卫生
背景情况:
- 托盘餐是中国普遍存在的饮食模式,需要自动化的饮食评估方法.
- 现有的研究缺乏全面的中国托盘餐数据集和有效的评估方法.
研究的目的:
- 建立第一个大规模的中国托盘餐饮数据集 (ChinaLunchTray-99).
- 开发和验证一个新的框架,用于对中国托盘餐的自动饮食评估.
主要方法:
- 收集了1185个现实世界托盘餐的图像,并对99个菜进行了注释,并对99个菜进行了界限框和类别.
- 开发了一个托盘餐检测模型,达到92.13%的平均精度.
- 提出了一个自动化系统来进行体积估计和随后的营养绘制.
主要成果:
- 中国LunchTray-99数据集为研究提供了宝贵的资源.
- 开发的检测模型在托盘餐中识别菜时表现出高准确度.
- 综合框架可以从图像中准确地估计体积和营养映射.
结论:
- 这项工作在中国美食的自动饮食评估方面取得了重大进展.
- 已建立的数据集和方法可以推动公共卫生倡议和营养研究.
- 该框架有可能被广泛采用用于饮食分析.
