Un sistema de reconocimiento de imágenes de alimentos con aprendizaje de múltiples núcleos

Dado que la atención de las personas hacia la salud alimentaria ha crecido recientemente, se espera un sistema que pueda registrar fácilmente las comidas diarias. En este documento, proponemos un sistema automático de reconocimiento de imágenes de alimentos para registrar los hábitos alimenticios de las personas. En el sistema propuesto, utilizamos el método de Aprendizaje de Múltiples Núcleos (MKL) para integrar varios tipos de características de imagen como color, textura y SIFT de manera adaptativa. MKL permite estimar pesos óptimos para combinar características de imagen para cada categoría. Además, implementamos un sistema prototipo para reconocer imágenes de alimentos tomadas con cámaras de teléfonos celulares. En el experimento, hemos logrado una tasa de clasificación del 61.34% para 50 tipos de alimentos. Hasta donde sabemos, este es el primer informe de un sistema de clasificación de imágenes de alimentos que puede aplicarse para uso práctico.