匯流新聞網記者藍立晴 / 綜合報導
社群媒體愛好者通常喜歡在餐點上來時先拍個照，當中的有些人還會在修完照片、PO文發完食物照之後才會想起眼前這盤食物與對桌的朋友家人，不知道讀者是否也有這種習慣、或者很受不了身邊的人這樣做呢？現在，若說拍照是為了能辨別盤中食物成份，會讓你改變對這項行為的看法嗎？
麻省理工學院（MIT）計算機科學和人工智慧實驗室（CSAIL）研究人員認為，透過分析食物的照片，可以幫助人們學習食譜，也能更全面地瞭解人們的飲食習慣。在與卡塔爾計算研究院（QCRI）的一份新報告中，該團隊訓練了一種名為Pic2Recipe的人工智慧系統來研究實物照片，並且能夠分析成分、提供類似的食譜。
麻省理工學院博士後研究員Yusuf Aytar與麻省理工學院教授Antonio Torralba共同撰寫了一篇關於該系統的文章，「在電腦視覺（computer vision）方面，食物大多被忽視了，因為我們沒有大量數據集可進行預測與分析，但社群媒體上看似無用的食物照，卻可以為健康習慣和飲食習慣提供寶貴的見解。」
網路推動了食品數據分類研究的巨大發展，2014年，瑞士研究人員創立了一個名為Food-101的數據集，用它來開發一種準確度達50％以上的食物圖像演算法，未來將提升準確度至80％，但數據集的大小仍是一個限制因素；而即使是較大的數據集，例如來自香港城市大學的數據庫擁有超過11萬張食物圖片與65,000份食譜，每份食譜都含有配料清單與烹飪說明，但卻只包含中國菜。
CSAIL團隊想要打破這些限制，研究人員梳理了所有食譜與Food.com、All Recipes等網站，開發出了Recipe1M，這是一個內含超過100萬份食譜的數據庫，其中註明了各種菜餚的成分資訊，然後，他們使用該數據來訓練神經網絡來查找圖片，並在食物照與相應的成分、食譜之間建立連接。
給出食物照片後，Pic2Recipe可以辨識其成分，如麵粉、雞蛋與黃油，確定與數據庫中的圖案類似之後，再給出幾個建議食譜。
▸該團隊有一個線上測試網站，人們可以上傳自己的食物照測試。
目前該系統的辨別準確率可達65％，最大的瓶頸仍在照片本身，拍照當下的燈光、角度、擺設等因素都可能會造成系統辨別出不同的結果，且還特別適用於餅乾或鬆餅等甜點，這是數據庫中的主題，但若是壽司或者冰沙等較含糊的食物，系統就較難以分辨其成分。
「你可以想像有人會拿它來追蹤、管理他們的日常營養，」研究人員指出，他們也有興趣將該系統開發成一個「晚餐助手」，根據人們的飲食習慣和冰箱裡的物品清單，給出今晚該吃些什麼的建議。
消息來源：MIT News
延伸閱讀：
【匯流新聞網】IKEA要你放下手機好好吃飯！廣告好有趣
【匯流新聞網】一個人也要好好吃飯，日本流行起一人份食品
【文章轉載請註明出處】
【匯流筆陣】
CNEWS歡迎各界投書，來稿請寄至[email protected]，並請附上真實姓名、聯絡方式與職業身份簡介。
CNEWS匯流新聞網：https://cnews.com.tw
新聞照來源:翻拍自網路