如今，身材管理已成為人們日常生活中重點關註的內容，除了運動之外，熱量的攝入也是重中之重，想要維持理想的身體健康和體重狀態，人們需要長期測量自己每日攝入食物的體量、熱量和營養價值，這需要實踐者有極強的耐心、執行力和知識儲備，從而成為了一部分身材管理道路上的攔路虎。 因此很多運動健康類App中支持食物識 ...
如今，身材管理已成為人們日常生活中重點關註的內容，除了運動之外，熱量的攝入也是重中之重，想要維持理想的身體健康和體重狀態，人們需要長期測量自己每日攝入食物的體量、熱量和營養價值，這需要實踐者有極強的耐心、執行力和知識儲備，從而成為了一部分身材管理道路上的攔路虎。
因此很多運動健康類App中支持食物識別，可以實現拍照識別食物卡路里和營養元素的功能，滿足人們日常生活中快速獲取食物信息、及時管理熱量攝入的需求，為人們身材管理提供極大的便捷。
技術原理
那麼，這樣一種拍照獲取食物熱量和營養信息的功能背後的技術原理是什麼呢？其實靠的就是圖片分類能力。
圖片分類能力是AI人工智慧領域重要的基礎功能，實際應用場景廣泛， 傳統的圖片分類方法流程包括預處理、特征提取、分類器，其中特征提取需要研究者投入大量精力手工設計提取，且只適用於簡單的圖像分類，對於實際情況複雜的圖片內容則無法識別。
近年來，基於深度學習的圖片分類能力開始流行，使用特定的推理框架，通過神經網路核心技術，對圖片中的實體對象進行分類並添加標註信息，幫助定義圖片題材和適用場景等。
大致的圖片分類流程為，開發者傳入照片使用靜態圖片檢測，或者調起攝像頭使用視頻流檢測，圖片分類能力會根據開發者使用的端側/雲側演算法模型進行分析，返回給App圖片的類別（如：植物、傢具、手機）及置信度。
HMS Core機器學習服務圖片分類能力的性能優勢
華為HMS Core的機器學習服務圖片分類功能基於深度學習的方法，可以識別圖片中物體、場景、行為等信息，返回對應標簽信息。機器學習服務圖片分類能力在識別準確率和速度性能方面都有所提升。
遷移學習法：增強圖片標簽模型和知識遷移能力，並對深度神經網路拓撲結構不斷調優，準確率提升38%；
集成WordNet語義網路：優化語義分析模型，對圖片內容進行語義分析，實現概念標簽自動推理，支持標簽量2.3萬；
基於華為GPU雲服務加速：顯存帶寬較上代GPU提升2倍，位寬提升8倍，識別單張圖片僅100毫秒。
開發者可以使用圖片分類能力現有的類別，也可以自定義圖片分類模型，對各種食物圖片進行收集和訓練，然後導入對應的標簽數據，形成龐大的食物熱量資料庫。最後，通過華為相機的景深攝像頭功能，有效測量手機與物體之間的距離，大致識別出該物體的大小和重量，再與資料庫中的信息相匹配，從而實現食物不同類別、不同大小的卡路里的計算。
除此之外，機器學習服務圖片分類能力還廣泛應用於圖片分類管理場景，比如應用於手機相冊分類管理、電商App的商品圖智能分類等場景，為各類應用開發者提供良好的解決方案。
點擊查看圖片識別分類信息列表。
瞭解更多詳情>>
訪問華為開發者聯盟官網
獲取開髮指導文檔
華為移動服務開源倉庫地址：GitHub、Gitee
關註我們，第一時間瞭解 HMS Core 最新技術資訊~
