伴隨全球?qū)θ斯ぶ悄艿年P(guān)注度不斷提升，市場對機(jī)器視覺等人工智能產(chǎn)品的需求得到進(jìn)一步釋放，機(jī)器視覺技術(shù)正蓬勃發(fā)展。圖像識別、視頻識別、三維重建、人臉識別、運(yùn)動檢測技術(shù)已經(jīng)越來越成熟，并滲入百姓的日常生活中，從手機(jī)里的面部識別功能，到家用安全門面部識別、支付寶面部識別等均運(yùn)用了機(jī)器視覺技術(shù)。

健康有益作為國內(nèi)專注人工智能與健康管理的科技公司，根據(jù)市場需求切入圖像識別技術(shù)，深度應(yīng)用于食物識別的研究和場景使用。根據(jù)最新測試數(shù)據(jù)的結(jié)果顯示，健康有益對于常見菜品的識別已達(dá)到了千余種，其識別準(zhǔn)確率超過90%。

從技術(shù)原理角度看，食物識別使用的是卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）中的殘差神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（Residual Networks，簡稱ResNet），最大的特點(diǎn)就是讓深層網(wǎng)絡(luò)訓(xùn)練的難易度降低了幾個數(shù)量級。在ResNet結(jié)構(gòu)中，食物識別是經(jīng)過三大層級訓(xùn)練出來的。

卷積層

在此階段，食物圖像被掃描，作為輸入傳遞到網(wǎng)絡(luò)中。首先將圖像平均分割成無數(shù)個小片段，每個片段將應(yīng)用一層卷積層，卷積層將小片段再次分為3層圖像組成三維立方體結(jié)構(gòu)，每一個層圖像都呈現(xiàn)RGB三原色中的一種顏色信息。隨后，將卷積濾波器（也稱作神經(jīng)元）應(yīng)用到每一層圖像中，猶如濾鏡效果過濾出某些相似的特征?？梢韵胂螅瑪?shù)百個不同的濾波器組成的網(wǎng)絡(luò)就可以獲取圖片中的各種復(fù)雜特征，形成特征圖，最終完成特征提取工作。

池化層

在池化層，從特征圖中發(fā)現(xiàn)，一旦我們知道給定特征在一個給定區(qū)域內(nèi)，即可忽略特征的確切位置，將數(shù)據(jù)普遍化，從而減少數(shù)據(jù)過擬合。因此，在池化過程中，特征圖被不斷的壓縮，最終可以大大減少數(shù)據(jù)量，增加運(yùn)算速度。

全連接層

全連接網(wǎng)絡(luò)層作為神經(jīng)網(wǎng)絡(luò)的結(jié)束層。該層將之前層（卷積層、激活層或者池化層）的處理結(jié)果作為輸入，并輸出一個N維的向量，N是程序所選擇的類別的數(shù)量。例如，如果程序預(yù)測某張圖像是香蕉，它就會在代表黃色或者一定弧度外形等高級特征的激活映射中有較高的值。本質(zhì)上講，一個全連接層關(guān)注與特定類相關(guān)性最強(qiáng)、并且有特定權(quán)重的高層特征，以便能在計算權(quán)重與前面一層乘積后得到不同類的正確概率。

在應(yīng)用場景上，健康管理非常重要的一環(huán)就是健康飲食，因此在對食物進(jìn)行營養(yǎng)成份查詢以及日常記錄的場景下，食物識別發(fā)揮了極大的作用。比如在日常就餐時對當(dāng)前食物進(jìn)行拍照，立刻就能得到反饋信息，識別所拍攝的食物種類并展示其基礎(chǔ)營養(yǎng)素信息，承載系統(tǒng)會基于個人體征數(shù)據(jù)推薦攝入量與食用建議；同樣的就餐場景下，在獲取營養(yǎng)素信息的同時，完成飲食記錄，為每個用戶實(shí)現(xiàn)精準(zhǔn)健康管理創(chuàng)造無障礙通道。在未來的場景中，通過識別食物的質(zhì)量和體積，系統(tǒng)可以更加精準(zhǔn)地計算實(shí)際消耗熱量。

健康有益作為將人工智能與健康管理相結(jié)合的科技公司，已全面開啟AI在健康管理領(lǐng)域的應(yīng)用與落地，致力于探索創(chuàng)新人類個性化健康管理的新方式。未來健康有益會與更多的行業(yè)巨頭展開合作，通過技術(shù)與健康管理的深度融合，幫助人類更好地量化生命，實(shí)現(xiàn)自我管理。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。