Visione del Cibo · La foto in due secondi
ISIA Food-500: Un Dataset per il Riconoscimento Alimentare su Larga Scala (Min et al. 2020)
Immaginate di voler insegnare a un computer a riconoscere ogni piatto del mondo: non solo pizza e sushi, ma Chakli, Mapo Doufu, Toad in the Hole e altri 497 piatti. Per farlo serve una libreria enorme di fotografie etichettate.
Ricercatori dell'Accademia delle Scienze cinese ne hanno costruita una con quasi 400.000 immagini in 500 categorie, partendo dall'enciclopedia Wikipedia come fonte dell'ontologia alimentare globale e perlustrandone tre motori di ricerca in parallelo. Poi hanno progettato una rete neurale con 'due occhi': uno studia il piatto nel suo insieme (forma, texture, colori generali), l'altro si concentra su dettagli locali che potrebbero essere ingredienti chiave.
I due occhi lavorano insieme e superano i modelli precedenti, specialmente sui piatti che si somigliano molto. Il risultato e un benchmark pubblico che chiunque nel mondo può usare per costruire o testare sistemi di riconoscimento del cibo, utili per app di diario alimentare, chioschi di ordinazione autonoma e strumenti di analisi nutrizionale.
Cosa dice, in breve
- ISIA Food-500 e un benchmark su larga scala per il riconoscimento di immagini di cibo composto da 399.726 immagini distribuite su 500 categorie, derivate dalla tassonomia Wikipedia 'Liste di alimenti per ingrediente' tramite un pipeline in quattro fasi (lista categorie, crawling multi-motore, pulizia automatica e manuale, ampliamento), presentato ad ACM Multimedia 2020.
- Supera tutti e 13 i dataset precedenti per numero di categorie (500 vs. FoodX-251 a 251) e volume di immagini (399.726 vs. ChineseFoodNet a 192.000), con copertura di cucine orientali e occidentali organizzate in 11 tipologie alimentari GSFA.
- Il modello proposto, SGLANet, e un'architettura a due rami: GloFLS utilizza un'attenzione ibrida Spaziale-Canale (SCA) con fusione multi-strato per catturare caratteristiche globali (texture, forma, bordi); LocFLS utilizza Spatial Transformer a cascata per localizzare regioni rilevanti per gli ingredienti e apprendere rappresentazioni locali; i due output vengono fusi e ottimizzati con tre funzioni di perdita congiunte.
- Su ISIA Food-500, SGLANet raggiunge il 64,74% di accuratezza Top-1 e l'89,12% Top-5, superando tutti i 10 metodi baseline inclusi SENet-154, NTS-NET e DCL.
- Pre-addestrare SGLANet su ISIA Food-500 porta miglioramenti di circa 0,8-0,9 punti percentuali in Top-1 su ETHZ Food-101 e Vireo Food-172, confermando la capacità di generalizzazione del dataset.
- Le analisi qualitative mostrano che alcune categorie (Chakli, Edamame) raggiungono accuratezze sopra il 97%, mentre le più ambigue (Curry_rice, Kebab) scendono sotto il 10%, a causa dell'eccessiva similarita visiva inter-classe.
- Lavori futuri annunciati: espansione a circa 1,5 milioni di immagini su circa 2.000 categorie, più raccolta di attributi multimodali (ingredienti, istruzioni di cottura, informazioni sensoriali).
Provenienza
- Fonte
- ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network— Min 2020
- Licenza
- ACM copyright 2020, All rights reserved
- Nel Kosmos
- 3 voci · 114 fatti atomici · tier MAIOR
↯ Questa è una voce vera del nostro Knowledge Graph, ancorata alla sua fonte — non un testo generato da un modello. Il colore riflette il tipo reale di studio, mai gonfiato.