AI4Food-NutritionDB: Food Image Database, Nutrition Taxonomy, and Recognition Benchmark

要約

健康的なライフスタイルをリードすることは、座りっぱなしのライフスタイルと貧弱な食習慣のために、今日の社会で最も困難な目標の 1 つになっています。
その結果、国内および国際的な有機体は、より健康的な食事と身体活動の習慣を促進するために多くの努力をしてきました.
ただし、これらの推奨事項は、日常生活では従うのが難しい場合があり、一般的な人口に基づいています.
その結果、スマート デバイスと人工知能 (AI) 手法による個々のソリューションに焦点を当てた、新しい研究分野である個別化栄養が考え出されました。
この研究では、AI4Food-NutritionDB データベースを提示します。これは、食品の画像と、国内および国際的な有機体による推奨に基づく栄養分類を考慮した最初の栄養データベースです。
さらに、栄養の専門家によると、次の 4 つの異なる分類レベルが考慮されています。6 つの栄養レベル、19 の主要カテゴリ (「肉」など)、73 のサブカテゴリ (「白身の肉」など)、および 893 の最終食品 (「鶏肉」など)。
）。
AI4Food-NutritionDB は、食物摂取頻度、品質、および分類の観点から、新しいフード コンピューティング アプローチへの扉を開きます。
また、データベースに加えて、標準的な実験プロトコルと、研究コミュニティに使用される栄養分類 (すなわち、カテゴリ、サブカテゴリ、および最終製品) に基づく 3 つのタスクを含むベンチマークを提案します。
最後に、AI4Food-NutritionDB でトレーニングされたディープ ラーニング モデルもリリースします。これは事前トレーニング済みモデルとして使用でき、困難な食品画像データベースで正確な認識結果を達成できます。

要約(オリジナル)

Leading a healthy lifestyle has become one of the most challenging goals in today’s society due to our sedentary lifestyle and poor eating habits. As a result, national and international organisms have made numerous efforts to promote healthier food diets and physical activity habits. However, these recommendations are sometimes difficult to follow in our daily life and they are also based on a general population. As a consequence, a new area of research, personalised nutrition, has been conceived focusing on individual solutions through smart devices and Artificial Intelligence (AI) methods. This study presents the AI4Food-NutritionDB database, the first nutrition database that considers food images and a nutrition taxonomy based on recommendations by national and international organisms. In addition, four different categorisation levels are considered following nutrition experts: 6 nutritional levels, 19 main categories (e.g., ‘Meat’), 73 subcategories (e.g., ‘White Meat’), and 893 final food products (e.g., ‘Chicken’). The AI4Food-NutritionDB opens the doors to new food computing approaches in terms of food intake frequency, quality, and categorisation. Also, in addition to the database, we propose a standard experimental protocol and benchmark including three tasks based on the nutrition taxonomy (i.e., category, subcategory, and final product) to be used for the research community. Finally, we also release our Deep Learning models trained with the AI4Food-NutritionDB, which can be used as pre-trained models, achieving accurate recognition results with challenging food image databases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google