摘要
基于深度学习的智能食物识别与营养分析方法,属于图像分析技术领域。其包括以下步骤:1、采集输入数据,对数据进行预处理;2、确定场景中目标的位置和掩码区域,生成密集深度图;3、构建食物三维点云,对三维点云进行去噪,并去除异常点;4、获得三维特征,并对图像提取二维特征并进行权重融合;5、将得到的特征进行拼接,并强化融合后的特征信息;6、回归预测食物重量和热量;7、对模型预测进行优化并验证预测效果。本发明采用2D+3D模态方式的特征融合,对原始图像进行数据增强,提取2D特征,同时生成3D点云,并进行多模态的特征融合对食物热量和重量进行预测,能够帮助消费者准确估算食物的热量、重量等指标,制定科学的饮食方法和建议。