日益富足的時代，人們的關注點從溫飽轉向飲食健康。再加上身處以 “瘦” 為美的環境中，不知有多少男女的一日三餐是經過嚴格計算之后決定的。

且不說人們控制飲食的執行力如何，在清晰記住或查閱每種食物單位重量的營養含量、目測重量、再計算面前食物各種營養物質總量這一環節，已經使一部分人失去耐心。

對此，德國卡爾斯魯厄理工學院的 Robin Ruede 及其團隊本月初發表的題為《在富含營養信息的新型大規模食譜數據集上進行多任務學習，來預測食物熱量》(Multi-Task Learning for Calorie Prediction on a Novel Large-Scale Recipe Dataset Enriched with Nutritional Information)的論文中提到的計算機識別方法，或許能夠幫助人們輕松完成計算食物營養物質含量的第一步，直達控制飲食的最關鍵環節。

圖 | 在多任務設置中進行訓練的模型，可推斷卡路里、成分和營養素如蛋白質等

事實上，使用計算機視覺技術估算圖片中食物熱量的技術早就有所應用，但 Robin Ruede 團隊表示，現有的基于圖像視覺計算食物熱量的大多數產品通常需要手動輸入份量大小甚至指定配料，耗時且不夠準確，而且計算過程繁瑣。

已有技術通常采用多階段方法完成，將圖像按像素方向細分為食物和非食物，然后將屬食物的圖像分類到固定的類別集，下一階段進行食物體積、重量估算以及營養信息預測，再通過上一階段估算出的信息與數據庫數據進行匹配來預測卡路里，最后，使用元數據(例如 GPS 位置和用戶的食物偏好)來改善預測結果。

而 Robin Ruede 團隊提出，要 “從一頓飯的圖像以端到端的方式直接預測食物熱量”，他們引入了一個框架，通過使用短語嵌入將食物成分及質量、與已建立的數據庫中大量菜肴食譜圖像數據進行對比匹配，從而實現端到端地估算一張圖片中食物的卡路里、脂肪、蛋白質以及其他營養物質含量。

圖 | 該團隊識別面包熱量的案例

據了解，為準確獲取圖片中食物營養成分信息、并自動測算食物卡路里值，Robin Ruede 及其團隊將卡路里估算與蛋白質、碳水化合物、脂肪以及多種成分含量的分類預測結合，對 308000 張圖像(食物照片、成分和說明)中的 70000 多個食譜(包括各種沙拉、披薩、蛋糕、湯等)，與食品項目數據庫中的結構化信息進行匹配，并基于數據庫中大規模的菜譜配方中各成分含量值，來估算一張圖片中食物的熱量及其他營養物質含量的方法。

在確保估算數據的精確性上，Robin Ruede 團隊以圖像食譜配方中出現的成分為基礎進行估算，用戶提供的圖片中出現的卡路里、脂肪、蛋白質等每一個成分、及其質量，都會映射到估算程序完全結構化的數據中，從而為生成估算的相應結果數值備用。

具體來說，他們提到的端到端的方式，是用單一模型替代多階段處理，僅需要指定原始輸入和最終輸出，將單個網絡應用于輸入網絡，神經網絡可自動識別內部相關信息，并直接估計所需的最終輸出，無需進行不同子任務的模型流水線訓練。

舉報/反饋

總結

以上是生活随笔為你收集整理的食品计算机视觉检测技术,餐食热量一“拍”便知，科学家研发计算机视觉估算卡路里方法...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。