张舰舰

(杭州电子科技大学计算机学院，浙江 杭州 310018)

0 引 言

肥胖是许多国家人们的健康问题之一，也是许多疾病的诱因。计算卡路里摄入量是对抗肥胖的解决方案之一。传统的饮食记录方法由于非常需要人与人之间的互动，因此不够准确。需要一个自动识别系统，该系统能够准确估算用户的卡路里摄入量。当前，智能手机能够跟踪膳食并估算其卡路里。

和其他物体一样，食物也有不同的特征，例如形状、颜色和质地。通常从食物图像中提取手工制作的特征，例如颜色直方图、定向梯度直方图(HOG)、尺度不变特征变换(SIFT)、局部二值模式(LBP)、Gabor滤波器和特征包(BoF)，然后将它们输入线性或非线性分类器中，以确定食物的类别。手工制作的描述符表示能力有限。因此无法在特征空间中正确区分食物，因为不同类别的特征可能会相互重叠。所以人们需要一个能够充分表达其特征的描述符，来学习食品的最重要和最有区别的特征。最近卷积神经网络在ImageNet数据集上取得了令人印象深刻的结果。一个卷积神经网络通常由几个卷积和池化层组成，这使其比手工制作的方法具有更大的表示能力。从另一个角度看，卷积网络的卷积和池化层学习了用于分类的区分特征。

在ImageNet数据集上表现令人印象深刻的那些大型卷积神经网络模型，都需要大量的内存。但是食品识别系统通常在微机(有限的内存)上运行。内存需求少、计算成本低的卷积神经网络模型将更适合像智能手机这样的微机。……