AI在可穿戴設(shè)備上對飲食評估的幫助
3． ebutton數(shù)據(jù)集：一周數(shù)據(jù)集
實驗是通過一名志愿者在白天連續(xù)戴著一個電子按鈕一周，記錄下各種現(xiàn)實生活活動。首先，電子按鈕對圖像序列進行采樣（10秒一次）。然后使用Picasa軟件檢測到人臉，并在發(fā)送給觀察者之前篩選出可能存在隱私問題的圖像，并按照上一個案例中描述的方式對圖像進行注釋。完成這些步驟后，獲得29515張圖像。這些圖像最后由人工智能軟件（Clarifai CNN）處理，為每個圖像生成20個標簽。
圖二（圖片來源：PHN）
原文作者定義了一個負擔(dān)指數(shù)來表示總陽性圖像的數(shù)量和所有圖像的數(shù)量之間的比率。
閥值k是該算法中的一個可調(diào)參數(shù)。較小的k會導(dǎo)致跟高的靈敏度，但也會帶來更高的負擔(dān)。當(dāng)k＝1時，37．8％的總圖像需要進一步檢查，這對研究人員來說可能是太大的負擔(dān)，盡管總靈敏度高達89．5％。當(dāng)k＝2時，總負荷降低到18％，敏感性為74．0％，特異性為87．0％。第1天和第6天的敏感性顯著低于其他兩天。在提取了所有的假陰性圖像后，可以發(fā)現(xiàn)第一天的354個“飲料”圖像中，有206個由于黑暗環(huán)境和小咖啡杯而被丟失，而在第六天的154個進食圖像中，有78個由于過度曝光的圖像和食物面積太小的圖像而被丟失。
圖三（圖片來源：PHN）
可穿戴設(shè)備所采集數(shù)據(jù)挑戰(zhàn)
實驗結(jié)果表明，人工智能算法在food－5K和ebutton數(shù)據(jù)集上都取得了很好的效果。但是，F(xiàn)ood－5K數(shù)據(jù)集的性能更好。這種差異可能有三個原因。
首先，如果在電子按鈕佩戴者移動時記錄圖像，則無法避免圖像模糊。在應(yīng)用ebutton數(shù)據(jù)集應(yīng)用算法上有約17．7％的圖像是模糊的。
第二，在一些圖片中，食物只覆蓋了圖片中很小的一部分，尤其是在飲酒的時候。在為期一周的數(shù)據(jù)集中，佩戴者有時在閱讀或做電腦工作時吃喝，因此食物擺放在盤子位于圖像的角落。
第三，與food－5K數(shù)據(jù)集相比，由于在ebutton的數(shù)據(jù)是由廣角攝像機和被動圖像捕獲，因而圖像中包含更多的對象。這使得檢測任務(wù)更具挑戰(zhàn)性。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025（第六屆）機器人及智能工廠展
-
7月31日免費預(yù)約>> OFweek 2025具身智能機器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
-
8月5日立即報名>> 【在線會議】CAE優(yōu)化設(shè)計：醫(yī)療器械設(shè)計的應(yīng)用案例與方案解析
推薦專題
