음식 인식 벤치마크: 딥러닝을 사용하여 이미지에서 음식을 인식하기

이미지에서 음식의 자동 인식은 의료 집단에서 영양 추적 등 여러 흥미로운 응용 프로그램을 가지고 있습니다. 이 문제는 상당한 연구 주목을 받아왔지만, 공개적이고 재현 가능한 알고리즘 개발을 위한 비편향(즉, 웹에서 긁어온 것이 아닌) 데이터를 기반으로 한 지속적인 공개 벤치마크가 부족했습니다. 여기에서는 연구 집단에서 사용되는 모바일 MyFoodRepo 앱을 통해 수집된 공개적으로 이용 가능한 음식 이미지를 사용하여 이러한 벤치마크의 설정에 대해 보고합니다. 네 번의 라운드를 통해 벤치마크는 24,119개의 이미지와 273개의 서로 다른 클래스에 분류된 총 39,325개의 분할 다각형으로 구성된 MyFoodRepo-273 데이터 세트를 발표했습니다. 모델은 동일한 플랫폼의 개인 테스트 세트에서 5,000개의 이미지와 7,865개의 주석이 포함된 최종 라운드에서 평가되었습니다. 273개 음식 카테고리에서 최고 성능을 낸 모델은 평균 정밀도 0.568(4라운드)와 평균 재현율 0.885(3라운드)에 도달했으며, MyFoodRepo 앱의 실제 사용에 배포되었습니다. 우리는 4라운드 결과의 실험적 검증을 제시하고 향후 라운드의 데이터 세트 크기 및 다양성을 증가시키기 위해 설계된 벤치마크 설정의 함의에 대해 논의합니다.