深度营养预测网络

误差优于现有方法

融合深度空间信息与视觉特征，用于更准确的食品营养预测。

Guanhua, Qiao · Cheng, Chunyang · Shen, Zhongwei · Zhu, Jinlin · Hui, Li · Xiao-Jun, Wu

IEEE Transactions on Multimedia 2026

参数信息

平均绝对误差百分比

16.74 %

技术优势

多尺度特征提取

采用渐进式特征金字塔架构，逐级提取细粒度局部特征与全局语义特征，有效应对食物图像中的多尺度目标识别挑战。

深度信息融合

通过多模态特征增强与体积特征感知，结合RGB和深度图像，增强空间信息感知并强调关键上下文区域，解构深度信息的空间连续性与重要性。

超越现有最佳

在营养估计上PMAE为16.74%，明显优于现有最先进方法，为自动营养监测提供更可靠的技术方案。

应用场景

• 营养监测：通过食物图像自动估计营养，简化日常膳食记录。
• 可穿戴设备：可为可穿戴饮食监测设备提供轻量级营养估计能力。
• 图像分析：利用RGB和深度图像分析食物特征，提升图像营养预测精度。
• 多模态学习：融合视觉与空间物理信息，展示多模态融合在营养估计中的优势。