tanulni a felhasználóktól a fejlődés érdekében

Az Im2Calories egy Google-projekt, amely ötvözi az ételek fényképezésének divatját, hogy megossza azokat a hálózatokon, és az „alkalmazások” trendjével, amelyek megszámolják a napi elfogyasztott kalóriákat

Ha az internet tele van macskák fényképeivel, az ételfotók közvetlenül a következő helyen állnak. Valami, amit a Google mérnökei úgy döntöttek, hogy kihasználják a következő mesterséges intelligencia projektjük előnyeit: egy olyan algoritmus, az Im2Calories néven, amely képes fénykép segítségével megszámlálni egy tányér ételt.

google

Az ötlet két irányzat egyesítése: az olyan divatos ételfotózás (még a The New York Times is bemutatott egy oktatóvideót, hogy ínycsiklandóbb fotókat készítsen), és azok az alkalmazások, amelyek segítenek étrendet követni és lefogyni annak rögzítése alapján, amit esznek, és így kiszámítják a napi kalóriabevitelünket.

A projektet Kevin Murphy, a Google kutatója mutatta be a bostoni Rework Deep Learning konferencia során. Mint kifejtette, továbbra is dolgoznak azon az algoritmuson, amely képes lesz elemezni egy fényképet, meghatározni az ábrázolt ételeket, méretüket referenciákból, például a tányérra, amelyre helyezik, és más tárgyakat, és így megbecsülni a kalóriákat fogunk fogyasztani. Ezenkívül nincs szükség szuper nagyfelbontású fotókra, elég azokhoz, amelyeket általában olyan alkalmazásokba töltenek fel, mint például az Instagram.

Ezzel a kalóriák nyomon követése könnyebb és kevésbé fárasztó lenne, mivel nem kellene kézzel beírnia az ételt egy alkalmazásba, és nem kell kiszámítania a mennyiségeket. A rendszer automatikusan megteszi, de lehetővé teszi a felhasználó számára a korrekciókat. Valójában az algoritmus készítői számítanak rá, mivel javítással tanul és javul a pontosabb számítások felajánlása: "Ha ez csak az esetek 30% -ában működik jól, akkor elegendő, ha az emberek elkezdik használni így gyűjtünk adatokat, és ez idővel javulni fog ".

Kivonat gyűjtési adatokat az étkezési szokásokról

Az Im2Calories a vizuális elemzést és a mintafelismerést ötvözi annak meghatározásához, hogy mit néz ki egy fényképen, és összekapcsolja azt az interneten található étkezési kalóriákkal kapcsolatos rengeteg információval. Ezenkívül, amint mondjuk, képes tanulni hibáiból, hogy javuljanak, oly módon, hogy minimalizálják azt az időt, amelyet a felhasználóknak szánniuk kell annak érdekében, hogy egyre pontosabban működjön.

Hetente, havonta vagy évente elkészítjük a kalóriaátlagot, és összegyűjthetjük az információkat, és elkezdhetjük a népesség statisztikáinak elkészítését

De az abszolút pontosság jelenleg nem prioritás, ahogy Murphy maga kifejtette: "Rendben, előfordulhat, hogy 20% -kal elmulasztjuk a számítást, de ez nem számít. Megtaláljuk a heti, havi vagy éves átlagot, és információkat gyűjthetünk különböző emberektől, és elkezdhetjük a népességstatisztikák készítését. Vannak olyan járványügyi és közegészségügyi kutatóim, akiket nagyon érdekelhetnek ezek az adatok. " Mivel az elhízás problémája sok fejlett országban növekszik, ez a hatalmas adatgyűjtés nagyon hasznos lehet az étkezési szokásaink megismerésében.

A Google most szabadalmaztatta az Im2Calories mögött álló technológiát, és máris megmutatta, hogy végcélja sokkal szélesebb, mint pusztán a kalóriák számlálása. "Képzelje el, hogy forgatókönyv-elemzést tudnánk végezni az utcán. Nem csak azt mondhatjuk, hogy vannak autók egy csomópontban, ez unalmas, hanem keresse meg az autókat, számolja meg őket, és jellemzőket tulajdonítson nekik, mint ahova néznek. Ezután végezhetnénk forgalmi elemzést megjósolni például, hogy hol található a következő parkolóhely. " Mivel minden ugyanazon a technológián alapulna, csak az adatokat kellene megváltoztatni, a többit pedig az algoritmus végzi.