SnapCalorie, yiyeceklerin kalori içeriğini fotoğraflardan tahmin etmek için AI’dan yararlanıyor

Wade Norris, Google’da çalışırken insanların hayatlarını olumlu yönde etkileyebilecek bir proje yaratmak istedi. Google’ın, tanımladığı nesnelerle ilgili bilgileri getiren bilgisayarla görme destekli uygulaması Google Lens’in kurucu ortaklarından biridir. Ama kaşıntıyı tam olarak gidermedi.

Birkaç yıl önce Norris, havacılık ve uzay endüstrisinde sistem mühendisi olan Scott Baron ile sağlık odaklı bir girişim başlatmak için bir araya geldi. SnapCalorie. Yapay zeka tarafından desteklenen SnapCalorie, akıllı telefonla çekilmiş tek bir fotoğraftan doğru bir kalori sayımı ve bir öğünün makrobesin dağılımını elde etmeye çalışır.

SnapCalorie bu ay Accel, Index Ventures, eski CrossFit CEO’su Eric Roza ve Y Combinator gibi yatırımcılardan 2 milyon dolar fon sağladı. Şirket daha önce bir tohum öncesi turda kimliği belirsiz yatırımcılardan 125.000 $ topladı.

Norris, “İnsanoğlu, bir tabak yemeğin porsiyon büyüklüğünü görsel olarak tahmin etmede berbattır” dedi. “SnapCalorie çeşitli yeni teknolojileri ve algoritmaları birleştirerek mevcut durumu iyileştirmektedir.”

Açık olmak gerekirse, SnapCalorie kalori sayımı için ilk bilgisayar görüntüsü tabanlı uygulama değil. Calorie Mama, Lose It, Foodadviser ve Bite.AI gibi uygulamaların tümü, farklı derecelerde başarı elde ederek bu başarıyı denedi. Ancak Norris, SnapCalorie’yi farklı kılan şeyin, desteklenen cihazlarda porsiyon boyutunu ölçmek için derinlik sensörleri kullanması ve “ek bir kalite katmanı” için insan inceleme ekibi kullanması olduğunu iddia ediyor.

Norris, “Ortalama olarak, ekip kalori hatasını %20’nin altına indirebiliyor,” diyor. “Fotoğraf tabanlı yemek takibi yapmak için yapay zekayı kullanabilen başka uygulamalar var, ancak bunların hiçbiri, hatayı azaltmak için en önemli kısım olan porsiyon boyutu tahminine yardımcı olmuyor.”

Görsel Kaynakları: SnapCalorie

Sağlık endüstrisinde, foto güdümlü kalori hesaplama araçları hakkında pek çok şüphecilik var – ve bunun iyi bir nedeni var. bir 2020 çalışmak Daha popüler yapay zeka tabanlı kalori sayaçlarından bazılarının karşılaştırılması, en doğru olanın – Kalori Mama – zamanın yalnızca yaklaşık %63’ünde doğru olduğunu buldu.

Peki SnapCalorie nasıl gelişti? Derinlik sensörleri ve gözden geçirenlerin kullanımının ötesinde Norris, şirketin geliştirdiği ve görünüşte bir yiyeceğin kalorisini tahmin etmede bir kişiden daha iyi performans gösterebilen bir algoritmaya işaret ediyor. Algoritmayı kullanan SnapCalorie, hem bir fotoğraftaki yiyecek türlerini tanımlar hem de kalori içeriğini tahmin etmek için her birinin porsiyon boyutunu ölçer.

Sonuçlar SnapCalorie’nin yemek günlüğüne kaydedilebilir veya Apple Health gibi kondisyon izleme platformlarına aktarılabilir.

Norris, algoritmanın bildirilen güçlü performansının, SnapCalorie’nin robotik bir donanım kullanarak her öğünün – örneğin çorbalar, burritolar, yağlar, “gizemli soslar” ve daha fazlası gibi – binlerce fotoğrafını çekerek oluşturduğu 5.000 öğünlük benzersiz eğitim veri setinden geldiğini söylüyor.

Norris, “Bunların gerçek dünyada görebileceğiniz tüm farklı ve zorlu koşullara sahip olduğundan emin olduk ve her bir malzemeyi bir ölçekte tarttık” dedi. “Bir yapay zeka modelini eğitmek için geleneksel boru hattı, genel web görüntülerini indirmek, insanların görüntüleri etiketlemesini sağlamak ve ardından bu etiketleri tahmin etmesi için modeli eğitmektir. Bu, yiyecekler için mümkün değil, çünkü insanlar porsiyon boyutunu görsel olarak tahmin etmede çok yanlışlar, bu yüzden insanların görselleri gerçeğe göre etiketlemesini sağlayamazsınız.”

Norris, ekip ilk eğitim verilerinin çoğunu ABD’de topladığı için SnapCalorie’nin algoritmasının Amerikan yemeklerine yönelik önyargılı olabileceğini kabul ediyor. Ancak şirket, hem SnapCalorie kullanıcılarından gelen fotoğrafları hem de dahili verileri kullanarak eğitim verilerini genişletme sürecinde diğer kültürel mutfaklar, diyor.

Algoritma ne kadar doğru olursa olsun, hiçbir uygulamanın bir öğünde kaç kalori yediğinize dair gerçekten doğru bir hesap veremediği iddia edilebilir. Sonuçta, farklı pişirme yöntemleri ve tek tek yiyecekleri parçalamak için geçen süre gibi uygulamaların dikkate almadığı bir dizi değişken vardır.

Norris, SnapCalorie’nin %100 doğru olduğunu iddia etmiyor ve bu uygulamanın kalori hesaplama araçlarının daha büyük beslenme bulmacasının bir parçası olarak görülmesi gerektiğini öne sürüyor. SnapCalorie’nin diğer önemli özelliğine dikkat çekti: ChatGPTSnapCalorie’nin besin değerleri veri tabanının yanı sıra kullanıcının kömürleri ve geçmiş tercihleri ​​tarafından bilgilendirilen yemek önerileri veren güçlü sohbet robotu.

Görsel Kaynakları: SnapCalorie

“İnsanların vücutlarına ne koyduklarını anlamaya olan ilgisinin arttığını gördük. İşlenmiş gıdalar gibi şeylerin sağlık üzerindeki olumsuz etkileri her geçen gün daha da netleşiyor” dedi. “Kullanıcılarımızın özellikle dışarıda yemek yerken SnapCalorie’yi gerçekten sevdiğini duyduk, çünkü birçok restoran besin değerleri yayınlamaz ve aksi takdirde yemeği kaydetmelerinin bir yolu olmaz.”

Popülariteyle ilgili olarak, SnapCalorie sağlıklı bir klipte büyüyor gibi görünüyor – bu ay 1.000 yeni kullanıcıyı kırma yolunda. Şirket şu anda para kazanma yerine genişlemeye odaklandı, ancak Norris yakma oranını “çok muhafazakar” olarak nitelendirdi.

“İnanılmaz organik büyüme oranımız, değer teklifimizin tüketicilerde iyi yankı uyandırdığının bir göstergesi gibi görünüyor – insanlar bunu deniyor, seviyor ve arkadaşlarına ve ailelerine tavsiye ediyor” dedi.