Visione del Cibo · La foto in due secondi
Sondaggio completo sui metodi di riconoscimento alimentare e stima del volume da immagini per la valutazione dietetica (Tahir & Loo 2021)
Ogni volta che fotografate il pranzo per un'app di monitoraggio calorico, un algoritmo di visione artificiale deve decidere cosa state mangiando e quanto ce n'è nel piatto. Questo articolo è una mappa completa di come funziona quella tecnologia nel 2021: due ricercatori malesi hanno letto tutto ciò che era stato pubblicato sull'argomento fino al 2020 e ne hanno tracciato un inventario ragionato.
Il loro verdetto è che le reti neurali profonde hanno vinto la gara contro i vecchi metodi manuali di estrazione delle caratteristiche — ma riconoscono bene sushi e hamburger perché sono queste le pietanze nei dati di addestramento. Il problema più profondo è che il cibo è una realtà viva e aperta: ogni giorno esistono nuovi piatti, nuovi stili di preparazione, intere tradizioni culinarie che nessun dataset ha ancora censito.
Le reti neurali che 'dimenticano' le conoscenze precedenti quando imparano qualcosa di nuovo sono la sfida tecnica; la mancanza di dati rappresentativi delle cucine del mondo è la sfida culturale.
Cosa dice, in breve
- Il monitoraggio alimentare automatico basato su immagini risponde a un'urgenza clinica documentata: nel 2016 1,9 miliardi di adulti erano in sovrappeso e i diari alimentari manuali sottostimano l'apporto calorico fino al 30%.
- Il sondaggio classifica i metodi di estrazione delle caratteristiche in due famiglie: descrittori artigianali (istogrammi di colore, HoG, SIFT, Gabor, LBP) e caratteristiche profonde estratte da reti neurali convoluzionali (DCNN, Inception-v3, EnsembleNet, ResNet-50, DenseNet201); il 66,7% degli studi esaminati utilizza caratteristiche profonde.
- Per la classificazione delle categorie alimentari, Inception-v3 raggiunge un'accuratezza top-1 dell'88,28% su UECFOOD-100 contro il 70% del KNN; tutti gli studi sulla classificazione degli ingredienti usano esclusivamente CNN.
- La stima del volume del cibo è suddivisa in metodi a singola vista (conteggio pixel, similitudine con dizionario, proiezione geometrica 3D) e metodi multi-vista/video (ricostruzione densa 3D, realtà aumentata, registrazione della posa); i metodi multi-vista sono più accurati ma meno usabili; non esistono linee guida standardizzate sull'errore ammissibile.
- I dataset di riferimento sono fortemente orientati a cucine specifiche: UECFOOD-256 (25.088 immagini giapponesi), UECFOOD-100 (14.361 immagini giapponesi) e Food-101 (101.000 immagini americane) sono i più usati; solo il 38,1% dei dataset è generico e multiculturale.
- Tre problemi aperti vengono identificati come prioritari: (1) apprendimento non supervisionato da dati non etichettati tramite metodi contrastivi (SimCLR, SwAV); (2) apprendimento continuo con mitigazione del catastrophic forgetting; (3) trasparenza mediante intelligenza artificiale spiegabile (XAI).
Provenienza
- Fonte
- A Comprehensive Survey of Image-Based Food Recognition and Volume Estimation Methods for Dietary Assessment— Tahir & Loo 2021
- Licenza
- CC BY 4.0
- Nel Kosmos
- 4 voci · 146 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.