ACM通信
人工智能为饮食提供信息
FoodVisor应用程序利用深度学习卷积神经网络的图像识别能力来识别盘子里的食物。
信贷:FoodVisor
“小心”，我的iPhone警告我，用一个鲜红的圆圈突出显示了这个词。不，我不会过度使用我的数据套餐，甚至不会试图理解唐纳德·特朗普(Donald Trump)的推文。相反，我像一些instagram迷一样，第一次给我的早餐拍了一张照片，我手机上的一个人工智能(AI)居民不喜欢它看到的东西。的原因吗?我的荷包蛋和吐司也包括…一个香肠．
“高脂肪含量，”警告继续说，“有增加体重的风险。”
我关注的是FoodVisor，这是一款新颖的图像识别应用程序，它利用了深度学习卷积神经网络(卷积神经网络)的图像识别能力。美国有线电视新闻网)来识别我们盘子里的食物。然而，就像cnn承担的传统繁重任务(包括识别物体、面孔或语音)一样，识别食物也被证明是一项比预期更艰巨的人工智能任务。
这款应用背后的想法是，通过更容易记录你的食物摄入量，来加强对卡路里控制饮食的坚持。到目前为止，节食者不得不辛苦地在每顿饭、零食或饮料后，用电脑或手机填写食物日记，记录他们吃了什么，就像许多流行的商业减肥节目，如慧俪轻体计划例如，来自纽约WW国际公司。
与笔记本电脑或台式机上基于网络的界面不同，智能手机让这一过程变得更容易，因为它几乎随时随地都可以使用日记应用程序，但输入详细的膳食成分信息并在菜单中轮流选择你吃了多少仍然是一件笨拙的麻烦事;以至于这是人们放弃节食的原因之一。
“我们意识到，目前的食物日记解决方案使用起来非常耗时和累人。FoodVisor这家总部位于法国巴黎的科技初创公司只有12人，开发了这款同名应用。“你必须搜索你吃的每一种食物，手动计算出你吃了多少，然后把它记在日记里。因此，很多人放弃了他们的节食计划。所以我们想:如果我们能让记录食物像拍照一样简单呢?”
并非只有他们认为这是个好主意:公共卫生专家也同意这一观点。“对于刚接触食物追踪的新手来说，手动记录卡路里很麻烦，很难做到准确，”他说Eun Kyoung Choe他是马里兰大学(UMD)专攻人机交互和健康的信息科学家。“假设信息是准确的，自动化这个过程在很多方面都是有用的。”
所以如何?首先，Choe说，准确的追踪可以为人们提供一个很好的营养教育工具。其次，给你吃的食物拍照远比费力地输入食物种类和数量轻松得多。最后，她说，收集到的关于饮食习惯的信息可能对营养师和医生很有价值，他们可能正在治疗大量与肥胖相关的疾病的患者。
2015年，格里特在巴黎一家叫Withings的公司实习时，意识到食物记录是减肥行业尚未解决的问题之一wi - fi连接的秤，以及许多其他可穿戴设备，量化自我小玩意。实习结束后，他回到位于法国巴黎的École Centrale学习计算机科学，与他一起学习的还有他的同学查尔斯·博斯(Charles Boes，现任FoodVisor首席执行官)和加布里埃尔·萨曼(Gabriel Samain)，他们着手让食物记录变得像智能手机拍照一样简单。这成了他们最后一年的项目，“运用了应用数学、机器学习和计算机视觉技术”，格里特说。
格里特回忆说，他们一开始很简单，就是研究如何训练计算机视觉系统独立识别六种基本食物:三文鱼排、青豆、羊排、苹果、甜点和炸薯条。从不起眼的开始，他们转向使用深度神经网络，他们的系统很快就能识别几十种食物(现在可以识别1000多种)。他表示:“在第一年的开发结束时，我们对概念的验证已经足够强大，可以开始制作一款真正的应用，并将其交到用户手中。”
为了进行食物识别，他们的算法使用了一种称为语义分割的概率过程来决定，首先，图像中的物体是否有可能是食物，如果是，它最有可能是哪种食物?为此，算法检查图像中的每个像素，并对其性质作出概率判断;在像素级别上进行计算还有助于判断摄入了多少食物，进而判断摄入了多少卡路里(以及其他营养类别，如脂肪、饱和脂肪、蛋白质、糖等)。
FoodVisor的算法考虑了许多因素，以提高食品(或膳食)的概率决策。这些因素包括应用正在使用的国家，所以它可以在当地美食的背景下考虑它看到的东西;加上一天中的时间，“所以如果是早餐时间，它会说金色液体更可能是苹果汁而不是啤酒，”格里特说。
对于食品产品来说，FoodVisor的算法中有一些非常重要的“秘密配方”，可以帮助它区分质地和颜色相似的食物，比如浅色颗粒状食物(如白米、糙米、炒饭和蒸粗麦粉)。
虽然这款应用程序很容易就认出了我的早餐(包括令人讨厌的香肠)，但它在识别复杂的混合食物时却遇到了麻烦。我做了一些鸡蛋葱豆饭这道菜由鱼片、米饭、蔬菜和鸡蛋组成，FoodVisor说不出这是什么。
然而，这是一个学习反馈循环:应用程序要求我报告它无法识别的食物，方法是将图像发送回服务器，并提供菜肴的名称。这就是FoodVisor的学习方式，它的深度神经网络定期进行培训。格里特说，该系统需要大约50人为每道菜发送图片，以便有足够大的训练数据集进行学习。
考虑到它是食物识别的早期应用，FoodVisor受到了广泛的欢迎，尤其是那些习惯了手写日记的人。在法国，这款应用已经有80万名用户。随着针对英国和美国口味的美食数据库的安装，它刚刚在英国和美国推出
ABC新闻的一个片段早安，美国1月29日，这款应用在美国和英国上市后获得了积极的反响，人们用“神奇”和“惊人”等词来形容它不需要手动输入。
UMD的Choe说，她特别喜欢FoodVisor了解用户的方式，例如，如果你在咖啡中添加了糖，尽管这是一个看不见的因素，但在你通知它一次之后，它就会知道。她说:“应用程序从用户那里获取输入，以提高准确性，这是吸引人来教机器的好方法。”
FoodVisor是Facebook一个为期6个月的加速器项目的孵化项目，该项目于今年2月结束。苹果也很看好它的健康潜力。然而，它不太可能长期独占这个空间。该领域其他领域的研究表明，由于深度学习cnn惊人的模式识别能力，我们可以期待很快出现大量类似的食物识别应用程序。
例如，在ACM研讨会上烹饪和饮食活动的多媒体去年夏天，瑞士伯尔尼大学的陆亚领导的团队也进行了研究建立了一个基于cnn的食物识别系统而量估计系统，对于“业绩突出”的报告来说，简直从单一RGB想象一顿饭。陆的团队现在正在创建一种算法，可以在一个盘子上处理多个复杂的菜肴。
不同的菜肴可能也需要不同的方法，因此日本东京电子通信大学的Takumi Ege和Keiji Yanai开发了深度cnn能识别日本料理的机器，并为他们提供热量估算。
还有一些人对增强现实眼镜如何反馈食物数据感兴趣;这是乔治亚理工学院的一组研究人员研究这种技术将如何为糖尿病患者提供快速的葡萄糖数据。
然而，我们不应该过分依赖食物识别和卡路里计算，Choe说。“食物追踪和卡路里计算不是一回事;她补充说，应用程序鼓励人们了解他们的饮食行为如何影响他们的健康，这也很重要。
营养专家支持这一观点，并在ACM计算机系统中人为因素会议(CHI2019今年5月，Choe和她的同事们将在英国格拉斯哥公布一项关于食物追踪器设计的调查结果背景非常重要在这样的应用程序中。choe说，除非节食者了解卡路里之外的问题——比如他们的饥饿感和饱腹感，他们的情绪，以及他们选择什么时候吃——否则他们将无法从人工智能的食物识别革命中获得最大的收获。
保罗是是英国伦敦的科技记者、作家和编辑
没有找到条目