[論文レビュー] A Review of the Vision-based Approaches for Dietary Assessment.

Ghalib Ahmed Tahir, Chu Kiong Loo|arXiv (Cornell University)|Jun 21, 2021

Nutritional Studies and Diet参考文献 89被引用数 2

ひとこと要約

このレビューでは、画像ベースのアプローチを用いた自動的栄養評価について評価しており、画像データベースおよびモバイルアプリケーションを用いた食物認識のコンピュータビジョン技術に焦点を当てている。本稿は最先端の手法を統合し、それらのパフォーマンスを評価し、mHealthを活用した栄養モニタリング分野における研究上の空白と今後の課題を特定している。

ABSTRACT

Last ten years have witnessed the growth of many computer vision applications for food recognition. Dietary studies showed that dietary-related problem such as obesity is associated with other chronic diseases like hypertension, irregular blood sugar levels, and increased risk of heart attacks. The primary cause of these problems is poor lifestyle choices and unhealthy dietary habits, which are manageable by using interactive mHealth apps that use automatic visual-based methods to assess dietary intake. This review discusses the most performing methodologies that have been developed so far for automatic food recognition. First, we will present the rationale of visual-based methods for food recognition. The core of the paper is the presentation, discussion and evaluation of these methods on popular food image databases. We also discussed the mobile applications that are implementing these methods. The review ends with a discussion of research gaps and future challenges in this area.

研究の動機と目的

• 自動栄養評価における画像ベースの手法の根拠と開発プロセスを検討すること。
• 標準化された食物画像データベース上で、最先端のコンピュータビジョン技術のパフォーマンスを評価すること。
• これらの視覚ベースの食物認識システムを統合した既存のモバイルアプリケーションを分析すること。
• 画像ベースの栄養評価システムの発展において、重要な研究上の空白と課題を特定すること。

提案手法

• 過去10年間における画像ベースの食物認識に関する学術論文の体系的レビュー。
• 画像処理、特徴抽出、分類手法に基づいて、手法の分類と比較分析。
• Food-101、UEC-Food100、その他の一般的な公開食物画像データベースを用いた手法の評価。
• 実世界の栄養モニタリングに向けたこれらの画像ベースのシステムを実装したモバイルアプリケーションの評価。
• mHealth環境におけるこれらのシステムの導入における技術的および実用的課題の議論。
• 手法的およびアプリケーションレベルの知見に基づき、トレンド、制限、今後の研究方向性の統合。

実験結果

リサーチクエスチョン

• RQ1 栄養評価における自動食物認識に最も効果的なコンピュータビジョン技術は何か？
• RQ2 これらの画像ベースの手法は、標準化された食物画像データベース上でどのように性能を発揮するか？
• RQ3 現在、どのモバイルアプリケーションが画像ベースの食物認識を実装しており、それらの技術的および使いやすさの制限は何か？
• RQ4 画像ベースの栄養評価システムをさらに発展させるにあたり、主な研究上の空白と課題は何か？
• RQ5 画像ベースのアプローチは、実世界のmHealthアプリケーションにおいて、どのように最適化できるか？

主な発見

• ディープラーニングと向上した特徴抽出技術のおかげで、画像ベースのアプローチは食物認識の正確性を著しく向上させた。
• Food-101 や UEC-Food100 といった人気のある食物画像データベースは、認識モデルの標準化されたベンチマークを可能にした。
• これらの手法を活用したモバイルアプリケーションは、リアルタイムの栄養ログ記録において有望であるが、実際の照明条件や姿勢の変化の下では正確性に課題を抱えている。
• 進展は見られるものの、ミックスドッシュ（複合料理）の認識、量の推定、低照度条件での性能のギャップは依然として顕著である。
• 現在のシステムは、多様な料理や調理法のスタイルに一般化する能力に欠けていることがしばしばである。
• 今後の研究は、耐性の向上、解釈可能性の向上、スケーラブルなmHealthプラットフォームへの統合に注力する必要がある。