1.1目的及意义

随着经济的发展与人类生活水平的不断提高，肥胖、超重以及患糖尿病等疾病的人呈日益增长的趋势，这些疾病很大程度影响着人们的生活。除此之外，更多的年轻人希望能够保持自己的良好身材。因此人们越来越关注饮食领域，更加关注食物的摄入类型以及摄入量，为了避免即将到来或者现有的疾病以及保持自己的身材。

在市场上有类似的食物记录系统，来记录用户的每日餐饮，但大多数食物记录系统都需要用户手动输入饮食类型与摄入量。首先，自己报告通常是不准确的，特别是在超重人群中，有些人通常会隐瞒自己的摄入量。并且考虑到今天大多数人都很忙碌而且面临着来自各方面的压力，以及这种系统的繁琐性大多数用户很难坚持记录。

得益于现代科技的发展，使获取图像变得更为容易，比如可穿戴式摄像机，智能手机等设备。近几年伴随着深度学习技术的发展，图像识别领域也得到了很大的发展。在食物图像分类领域，大多数使用卷积神经网络解决遇到的问题。

在自动饮食监测的一般工作流程中，需要按顺序完成许多计算任务。最初，分割给定图像以便定位食物区域的边界（食物分割）。然后，处理每个食物区域以识别所描绘的食物（食物识别）。最后，估计每种公认食物的数量（数量估计），这为卡路里测量铺平了道路。

因为食物种类繁多并没有完全确定，以及考虑到许多菜肴中的食品高度混合。因此，正确识别每种食品尤其具有挑战性。而且许多食品在形状或颜色方面难以区分，并且一些食品特性甚至难以通过简单的检查来识别。例如，羊肉和牛肉看起来非常相似，意大利面，不同种类的蛋糕等，即使在视觉上也难以区分。