A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Open Access
Personalized Food Image Classifier Considering Time-Dependent and Item-Dependent Food Distribution
Abra o Access
Classificador de imagens de alimentos personalizado considerando distribuição de alimentos dependente do tempo e do item

Qing YU, Masashi ANZAWA, Sosuke AMANO, Kiyoharu AIZAWA

  • Exibições de texto completo

    86

  • Cite isto
  • Free PDF (2MB)

Resumo:

Uma vez que o desenvolvimento de diários alimentares pode permitir que as pessoas desenvolvam hábitos alimentares saudáveis, o reconhecimento de imagens alimentares é muito procurado para reduzir o esforço no registo alimentar. Estudos anteriores trabalharam neste domínio desafiador com conjuntos de dados com números fixos de amostras e classes. Contudo, no cenário do mundo real, é impossível incluir todos os alimentos na base de dados porque o número de classes de alimentos é grande e aumenta continuamente. Além disso, a similaridade interclasse e a diversidade intraclasse também trazem dificuldades ao reconhecimento. Neste artigo, resolvemos esses problemas usando recursos de rede neural convolucional profunda para construir um classificador personalizado que aprende incrementalmente os dados do usuário e se adapta ao hábito alimentar do usuário. Como resultado, alcançamos a precisão de última geração no reconhecimento de imagens de alimentos por meio da personalização de 300 registros alimentares por usuário.

Publicação
IEICE TRANSACTIONS on Information Vol.E102-D No.11 pp.2120-2126
Data de publicação
2019/11/01
Publicitada
2019/06/21
ISSN online
1745-1361
DOI
10.1587/transinf.2019PCP0005
Tipo de Manuscrito
Special Section PAPER (Special Section on Picture Coding and Image Media Processing)
Categoria

autores

Qing YU
  The University of Tokyo
Masashi ANZAWA
  The University of Tokyo
Sosuke AMANO
  The University of Tokyo,foo.log Inc.
Kiyoharu AIZAWA
  The University of Tokyo

Palavra-chave