之前由See Food Inc研發出的熱狗識別app“不是熱狗”(Not Hotdog)引發了AI界的熱烈討論,然而一個看上去簡單的戲謔性app涉及到的AI技術卻非常復雜,雖然在應用層面作用不大,卻是人類AI歷史上里程碑一樣的產品,之前36Kr有過相關報道。
Not Hotdog的名聲大噪引發了AI界對于食物識別的又一輪熱潮,MIT的電腦科學和人工智能實驗室(MIT Computer Science and Artificial Intelligence Laboratory)最近就在研究這個領域。MIT團隊意圖使用食物識別系統從美食制作視頻中識別出菜譜的原料。MIT團隊的pic2recipe(圖片到接收器)系統運用計算機神經網絡來判斷社交網絡上美食圖片中食物的種類,從而還可以進一步分析上傳者的健康習慣和飲食偏好。
Pic2recipe系統運用了瑞士科學家2014年研發的食物識別算法Food-101 Data Set,運用了其數據庫中的101000張食物圖片,而這些圖片和CSAIL的Recipe1M database數據有交叉引用的部分。Recipe1M database的數據大多數是從一些流行的菜譜網站諸如All Recipes和Food.com中扒下來的。
目前該項技術離完全成熟還有很長一段路要走,當前系統識別的正確率只有65%左右。項目當前遇到的最大瓶頸還在于圖片本身。聯合研發人Nick Hynes表示,人們在拍攝食物照片的時候,食物的呈現會受到拍攝狀態的影響,包括角度、遠近、擺放和燈光等因素都可能造成識別結果的不同。在同一種食物出現在不同的菜譜中時,系統的識別錯誤率也會提升。
目前系統比較擅長于識別烘焙制的食物。
食品擁有萬億級的市場,其包含的垂直領域眾多,從零售業到餐飲業再到社交產業等都可以看到美食的身影。美食內容網站下廚房、美食杰等企業都獲得過投資,相信MIT研發的這項技術如果成熟,可以運用到的場景的想象空間非常大。