相关实验视频
Updated: May 8, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
8.9K
[建立基于智能识别和体重估计的食品图像数据集]
Weiyan Gong1, Fan Yuan1, Caicui Ding1
1National Institute for Nutrition and Health, Chinese Center for Disease Control and Prevention, Beijing 100050, China.
Wei sheng yan jiu = Journal of hygiene research
|December 24, 2024
概括
研究人员开发了一个大规模的食物图像数据集,以提高食物识别和体重估计的准确性. 这一数据集包含2356个类别的超过115万张图像,支持智能食品分析的进步.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 食品科学 食品科学 食品科学
背景情况:
- 准确的食物识别和体重估计对于饮食评估和智能系统至关重要.
- 现有的食品图像数据集往往缺乏规模,多样性和全面的注释.
研究的目的:
- 建立一个大规模的,精心注释的食品图像数据集.
- 提高食品智能识别和体重估计技术的准确性.
主要方法:
- 网络抓取,专业的手动收集和用户上传被用来收集数据.
- 数据收集集中在各种食品,配料和菜上.
- 进行了严格的数据清理,专业检查和代标签.
主要成果:
- 创建了一个数据集,包含超过1150万张注释图像和2356个食品/成分类别.
- 数据集包括详细信息:名称,类别,体重,图像,营养,方法和地区.
- 它包括12个主要类别和73个子类别,涵盖广泛的食品类型.
结论:
- 这是迄今为止用于智能识别的最大规模的食品图像数据集.
- 该数据集为开发和完善智能食品图像分析系统提供了坚实的基础.
