1. 데이터셋

• Food101 dataset

  • 101개 카테고리 음식 데이터셋

  • https://www.kaggle.com/datasets/kmader/food41

  • https://velog.io/@vector13/Food101-데이터셋을-이용한-음식-이미지-분류기-만들기

    pytorch를 사용하지 않음 참고용

  • pytorch 쓴걸로 찾아보기

• AI허브
  • https://aihub.or.kr/
  • 한식, 영양정보 등

2. 모델

• deeplab
  • Semantic Segmentation model: 이미지에서 서로 다른 물체를 분리 → 식판과 음식 분리 가능?
  • 윤곽선을 따라 물체들을 분리하는 것이 주목적, 음식 종류를 가려내는데는 부적합
• resnet
  • well-known
• inception
• yolo

3. 학습과 예측? 분류? 실제적용?

• 기본적인 데이터 전처리
  • 이미지를 모델에 맞게 전처리하기
  • 학습된 모델로 분류 작업시에도 받은 이미지를 전처리해서 모델에 전달해야함

4. 모델을 서비스에 적용

• 파이썬 백엔드로 api를 이용
  • flask vs fastapi
    • fastapi: 간지, 공식문서 말고는 자료x
    • flask: 무난함, 자료 매우 많음
• torchserve
  • 무ㅡㅓㄴ지 모름

5. 참고자료

https://www.researchgate.net/publication/283518019_Food_Recognition_and_Leftover_Estimation_for_Daily_Diet_Monitoring

https://github.com/insung-arc/openCV-Dino

• YOLO 커스텀 학습시키기

  • https://yeonsuuu-uuu.tistory.com/2

• 지피유 서버