Детальная информация

Целью данной работы является разработка простого в использовании веб–приложения для определения ориентировочных калорий, белков, жиров и углеводов в блюде по фотографии. Для достижения цели в ходе выполнения работы решались следующие задачи: – Изучить существующие цифровые решения, выбрать ключевые критерии сравнения; – Реализовать и обучить модель искусственной нейронной сети с валидацией результатов на составленных метриках; – Спроектировать, реализовать и разместить на сервере веб-приложение для дальнейшей апробации; – Провести тестирование и апробацию. Работа была выполнена в среде PyCharm на базе фреймфорка PyTorch. В основе ИНС была заложена предобученная модель Swin Transformer с добавлением регрессионной и классификационной голов. Исходные изображения для обучения ИНС были взяты из набора данных Nutrition5k. Интерфейс веб-приложения был создан с помощью библиотеки Gradio. Локальный сервер был запущен с помощью программы контейнеризации Docker. В результате было создано простое в использовании веб-приложение для определения КБЖУ по цифровому изображению блюда. Точность обученной модели ИНС и надёжность работы веб–приложения были протестированы. Проведённая апробация показала высокий уровень удовлетворенности пользователей.

The aim of this work is to develop an easy-to-use web application for estimating the approximate calories, proteins, fats, and carbohydrates in a dish based on a photograph. To achieve this goal, the following tasks were addressed during the project: – Studying existing digital solutions and selecting key comparison criteria; – Implementing and training an artificial neural network model, validating results using established metrics; – Designing, implementing, and deploying the web application on a server for subsequent pilot testing; – Conducting testing and piloting. The work was carried out in the PyCharm environment using the PyTorch framework. The core artificial neural network architecture utilized the pre-trained Swin Transformer model, augmented with regression and classification heads. Source images for artificial neural network training were taken from the Nutrition5k dataset. The web application interface was created using the Gradio library. A local server was launched using the Docker containerization software. As a result, an easy-to-use web application for determining nutritional value from a digital image of a dish was created. The accuracy of the trained artificial neural network model and the reliability of the web application were tested. The conducted pilot testing demonstrated a high level of user satisfaction.

• Веб-приложение для определения калорийности по фотографии на основе технологии глубокого обучения
  • Введение
  • 1. Анализ особенностей решений в области определения количества калорий по фотографии
  • 2. Обзор существующих приложений для определения количества калорий блюда по фотографии
  • 3. Исследование моделей искусственных нейронных сетей для распознавания изображений
  • 4. Создание модели искусственной нейронной сети
  • 5. Создание веб-приложения
  • 6. Тестирование и апробация
  • Заключение
  • Список сокращений и условных обозначений
  • Словарь терминов
  • Список использованных источников