Deep CNNを用いた食事量の画像識別モデルの開発

カテゴリ: 研究会(論文単位)

論文No: OQD17047

グループ名: 【C】電子・情報・システム部門 光・量子デバイス研究会

発行日: 2017/04/21

タイトル(英語): Development of an image discrimination model of meal amount using Deep CNN

著者名: 有阪 直哉(北里大学),守田 憲崇(北里大学),稲岡 秀検(北里大学),鶴田 陽和(北里大学)

著者名(英語): Naoya Arisaka(Kitasato University),Noritaka Mamorita(Kitasato University),Hidenori Inaoka(Kitasato University),Harukazu Tsuruta(Kitasato University)

キーワード: 深層学習|画像認識|食事量|ＣＮＮ|Deep learning|Image Recognition|Meal Amount|CNN

要約(日本語): 摂取可能な食品やエネルギー量の制限がある疾患患者は、毎食の食事管理が大きな負担となる．本研究では，食事画像から摂取した食事量や栄養を推定することで，食事管理を簡略化することを目指す．今回，深層学習の一つであるDeep Convolutional Neural Network(Deep CNN)を用いてごはん茶碗に盛られたご飯の量を分類する検討を行った．4000枚程度のデータセットを作成し，学習した結果，100g/200gの２クラス分類において，画像処理を行わない生の画像で，分類精度99.7%となった．

要約(英語): Dietary management is a heavy burden for patients. In this study, we aim to simplify diet management by estimating the amount of meal and ingested nutrition from smartphone picture. We classified the amount of rice served in rice bowl using Deep Convolutional Neural Network (Deep CNN). We used about 4000 images for learning process and the accuracy of classification into two classes (100 g and 200 g) was 99.7%.

原稿種別: 日本語

PDFファイルサイズ: 1,053 Kバイト