论文标题i：Nutrition5k: Towards Automatic Nutritional Understanding of Generic Food 论文链接：https://arxiv.org/abs/2103.03375 作者单位：谷歌 & Perception Labs

Nutrition5k：一个5k多样的，各种菜式的新数据集！具有视频流，深度图像，成分重量和高精度营养内容标注。本文提出一种CV算法来证明该数据集的潜力，证明比专业营养师更高的精度预测热量和大量营养素值。还提出了一个基线，用于结合深度传感器数据来改善营养预测，数据集即将开源！ 从视觉数据中了解食物的营养成分是一个具有挑战性的计算机视觉问题，有可能对公共卫生产生积极而广泛的影响。该领域的研究仅限于该领域现有的数据集，这些数据集缺乏足够的多样性或缺乏具有营养理解能力的训练模型所需的标签。我们介绍了Nutrition5k，这是一个5k多样的，现实世界中各种菜式的新颖数据集，具有相应的视频流，深度图像，分量权重和高精度营养内容标注。我们通过训练一种计算机视觉算法来证明该数据集的潜力，该算法能够以比专业营养师更高的精度预测复杂的现实世界菜肴的热量和大量营养素值。此外，我们提出了一个基线，用于结合深度传感器数据来改善营养预测。我们将公开发布Nutrition5k，以期在营养理解领域加速创新。

内容中包含的图片若涉及版权问题，请及时与我们联系删除