要約
食品の分類は、食事評価で報告された食品を構成する栄養素の分析にとって重要です。
新しい画像ベースの方法、特に深層学習ベースのアプローチと組み合わせたモバイルおよびウェアラブルセンサーの進歩は、食事摂取量を評価するための食品分類の精度を向上させる大きな可能性を示しています。
ただし、これらのアプローチはデータを大量に消費し、そのパフォーマンスは、食品分類モデルをトレーニングするために利用可能なデータセットの量と質に大きく依存しています。
既存の食品画像データセットは、専門分野の知識を持つ訓練を受けた栄養士によって提供されることが多い、きめの細かい透明な食品グループベースの識別がないため、きめの細かい食品分類および次の栄養分析には適していません。
この論文では、各食品の栄養プロファイルへのリンクを強化するために、視覚的および階層的な食品分類情報の両方を含む栄養および食品グループベースの画像データベースを作成するためのフレームワークを提案します。
米国農務省（USDA）の食品栄養データベース（FNDDS）の食品グループベースの食品コードを食品画像データセットにリンクするためのプロトコルを設計し、このプロトコルを効率的に展開するためのWebベースの注釈ツールを実装します
提案された方法は、米国で最も頻繁に消費される74のWhat We Eat in America（WWEIA）食品サブカテゴリを表す16,114の食品画像を含む、栄養および食品グループベースの画像データベースを構築するために使用されます。
栄養素データベース、USDAFNDDS栄養素データベース。
要約(オリジナル)
Food classification is critical to the analysis of nutrients comprising foods reported in dietary assessment. Advances in mobile and wearable sensors, combined with new image based methods, particularly deep learning based approaches, have shown great promise to improve the accuracy of food classification to assess dietary intake. However, these approaches are data-hungry and their performances are heavily reliant on the quantity and quality of the available datasets for training the food classification model. Existing food image datasets are not suitable for fine-grained food classification and the following nutrition analysis as they lack fine-grained and transparently derived food group based identification which are often provided by trained dietitians with expert domain knowledge. In this paper, we propose a framework to create a nutrition and food group based image database that contains both visual and hierarchical food categorization information to enhance links to the nutrient profile of each food. We design a protocol for linking food group based food codes in the U.S. Department of Agriculture’s (USDA) Food and Nutrient Database for Dietary Studies (FNDDS) to a food image dataset, and implement a web-based annotation tool for efficient deployment of this protocol.Our proposed method is used to build a nutrition and food group based image database including 16,114 food images representing the 74 most frequently consumed What We Eat in America (WWEIA) food sub-categories in the United States with 1,865 USDA food code matched to a nutrient database, the USDA FNDDS nutrient database.
arxiv情報
| 著者 | Zeman Shao,Jiangpeng He,Ya-Yuan Yu,Luotao Lin,Alexandra Cowan,Heather Eicher-Miller,Fengqing Zhu |
| 発行日 | 2022-06-05 02:41:44+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google