Leveraging Automatic Personalised Nutrition: Food Image Recognition Benchmark and Dataset based on Nutrition Taxonomy

要約

座りっぱなしのライフスタイルや不適切な食生活により、健康的なライフスタイルを送ることは、今日の社会において最も困難な目標の 1 つとなっています。
その結果、国内および国際的な生物は、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行ってきました。
ただし、これらの推奨事項は日常生活で従うのが難しい場合があり、また一般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）手法を通じた個別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栄養学が考案されました。
この研究では、AI4Food-NutritionDB データベースを紹介します。これは、国内および国際的な生物体による推奨に基づいた食品画像と栄養分類を考慮した初の栄養データベースです。
さらに、栄養の専門家に従って 4 つの異なる分類レベルが考慮されます: 6 つの栄養レベル、19 の主要カテゴリ (例: 「肉」)、73 のサブカテゴリー (例: 「白身肉」)、および 893 の最終食品 (例: 「鶏肉」)
）。
AI4Food-NutritionDB は、食品摂取頻度、品質、分類の観点から、新しい食品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、研究コミュニティで使用される栄養分類法（つまり、カテゴリー、サブカテゴリー、最終製品）に基づく 3 つのタスクを含む標準的な実験プロトコルと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深層学習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します。

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