Food Image Recognition and Nutrition Estimation via Deep Learning

摘要

本論文提出一個名為AIFood的大規模的食物影像數據集，以及利用深度學習建立食物影像的食物類別識別系統與營養估算系統。我們從其他現有食物影像數據集以及食物網站去收集食物影像以建立食物影像數據集，並使用24種食物類別去標記所有收集到的影像，此外，我們使用自動白平衡與對比度限制自適應直方圖均衡程式去前處理影像以改善圖像的視覺品質，其中我們計算了影像裡的資訊並設定限制去偵測影像是否需要前處理，接下來，為了實現食物影像識別，我們建構50層的殘差卷積神經網路並移除其中的最大池化層去減少信息的損失並且用擴張卷積替換部分的卷積層去增加卷積層的感受視野。利用AIFood數據集去訓練完我們的神經網路之後，我們可以得到Micro-F1有83 63％和Macro-F1有76 90％食物類別預測的準確率，我們更改過後的殘差卷積神經網路會比原始的殘差卷積神經網路有更好的預測準確率。接下來，我們從台灣的衛生福利部收集每一個食物類別的營養素信息並計算每個食物類別在平均每人的一?中含有多少營養素。最後，食物影像中所具有的營養含量即為神經網路在食物影像檢測到的所有食物類別的營養含量總和。

獎項日期	2020
原文	English
監督員	Gwo-Giun Lee (Supervisor)