Core Concepts
본 연구는 식품 이미지와 영양 분류 체계를 포함하는 AI4Food-NutritionDB 데이터베이스를 제안하며, 이를 활용한 식품 인식 시스템 및 벤치마크를 제공한다.
Abstract
본 연구는 자동 개인화 영양 활용을 위해 식품 이미지와 영양 분류 체계를 포함하는 AI4Food-NutritionDB 데이터베이스를 제안한다. 이 데이터베이스는 6개의 영양 수준, 19개의 주요 카테고리, 73개의 하위 카테고리, 그리고 893개의 최종 식품 제품으로 구성된다. 또한 각 하위 카테고리는 건강성과 식량 수량과 관련된 요인을 고려하여 7가지 종류의 요리로 정의된다.
이 데이터베이스를 활용하여 카테고리, 하위 카테고리, 최종 제품 인식 등 3가지 과제에 대한 표준화된 실험 프로토콜과 벤치마크를 제안한다. 실험 결과, Xception과 EfficientNetV2 모델이 AI4Food-NutritionDB로 사전 학습된 경우 기존 ImageNet 모델 대비 VireoFood-251 데이터셋에서 더 우수한 성능을 보였다. 이는 제안된 모델들이 다른 식품 데이터셋에서도 효과적으로 활용될 수 있음을 시사한다.
본 연구는 식품 영양 분류에 기반한 새로운 식품 컴퓨팅 접근법 개발을 촉진할 것으로 기대된다.
Stats
식품 이미지 데이터베이스 AI4Food-NutritionDB는 총 558,676개의 식품 이미지로 구성되어 있다.
이 데이터베이스는 6개의 영양 수준, 19개의 주요 카테고리, 73개의 하위 카테고리, 그리고 893개의 최종 식품 제품으로 구성된다.
Quotes
"본 연구는 식품 이미지와 영양 분류 체계를 포함하는 AI4Food-NutritionDB 데이터베이스를 제안한다."
"제안된 모델들이 다른 식품 데이터셋에서도 효과적으로 활용될 수 있음을 시사한다."