医学影像之外 深度学习如何识别饮食营养

深度学习在图像领域的应用

比如针对传统的食物识别的研究，本文分析了以往研究的不足，提出了基于深度学习和卷积神经网络框架的解决方法。传统的食物识别的识别能力有限，只能识别出几十类上百类食物。浙江大学的研究者采用深度学习的方法对食物营养进行识别，经过对训练框架进行了大量的图片测试，经过多次测试，最终Top-1的识别率达到57％～60％。

医学影像判读：深度学习在医疗方面的应用，最容易想到的方面就是医学影像学方面的应用。近几年基于深度学习的方法取得了很大进展，卷积层通过卷积运算，可以使原信号增强，并且降低噪声，提高信噪比，可以极大提高识别率，同时降低对原始图片质量的要求，同时可以降低对训练样本数量的要求，因此CNN在医学影像处理方面，应该是目前应用最广泛也是最成功的领域。目前在很多肿瘤、癌症、皮肤病和眼底病已经

4月2日，2017IT领袖峰会在深圳五洲宾馆举行，迈进智能新时代成为本届大会主题，大会上BAT的boss们纷纷发表了自己对人工智能的看法，马云认为，人工智能的出现会极大地改变未来的教育形态，不能让孩子跟机器比算数能力，而要去培养机器没有的创造能力；马化腾谈到了腾讯在人工智能方面的布局。他认为发展AI有四大要素应用场景、大数据、计算能力和人才；李彦宏认为人工智能的算法还处于初级阶段人工智能发展会有弱人工智能、强人工智能和超人工智能三个阶段，即使是在超人工智能阶段，还是用电脑的方法模拟人脑，但永远达不到人脑的水平，人工智能看似在不知不觉中成为了最热门的领域之一。

截至去年9月20日，新智元发布的《中国人工智能产业发展报告》显示，中国AI创业公司数量约200-250家，估值最高的为今日头条，估值约500亿元，绝大多数融资仍处于天使轮或者A轮。

语音和视觉依然是AI创业的两大方向，深度学习/机器学习都占据了绝对重要的地位，其次是计算机视觉、自然语言处理和语音识别。

2016年初，发生了两件大事，一件事情是AlphaGo横空出世，在人类最骄傲的围棋领域战胜了前世界第一的选手李世石。另一件事情，2016年3月，“人工智能”一词首次被写入“十三五”规划纲要，被列为中国未来重点突破的技术领域。

人脸识别：随着科技的发展,生物识别技术已经成为个人身份识别或认证技术的重要方式,人脸识别作为生物特征识别的重要分支，它的无侵害性和对用户以最自然、最直观的识别方式更容易被接受,然而，已有的一些机器学习算法大都使用浅层结构,而浅层结构的网络很难表示复杂函数。同时，以往提出的多层感知机虽可以表示复杂的函数关系但又由于没有很好的学习算法.近几年深度学习技术被业界广泛认可，并在各个相关领域都取得了突飞猛进的进展,特别是深度学习技术在人脸识别领域的应用。各厂家也纷纷推出人脸识别技术,天地伟业新推出的人脸识别技术无论是识别精确度、对比准确性、识别速度等均达到一个新的高度，随着市场需求的不断变化，不同的应用场合，人脸识别技术也根据需要开发出各种各样的产品来满足用户的需求。国内以face++，商汤科技为主的人工智能公司已经取得很好的成果。

过去数十年内，科学家一直想办法提高机器图像识别的准确率和效率，直到卷积神经网络的出现，让机器准确识别图像成为了可能，卷积神经网络不但关注了全局特征，更是利用了图像识别领域非常重要的局部特征，应该是将局部特征抽取的算法融入到了神经网络 中。图像本身的局部数据存在关联性，而这种局部关联性的特征是其他算法无法提取的。

此外，在实际应用层面，为了解决饮食营养问题，国内医疗人工智能领军企业Airdoc基于人工智能深度学习算法开发了一款饮食营养app，通过拍照自动识别食物中的营养成份，并且可以像护士一样为你提供饮食建议，这对于高血压患者来说十分重要，同时该产品同样可以为高血糖，痛风，高尿酸等患者提供营养饮食建议。

深度学习识别饮食营养

人工智能的持续升温

随着全球中产阶层崛起，对健康的需求逐渐升级，人工智能在很多领域的已经证明了自己的能力，因此在饮食营养层面的应用同样备受关注，很多研究者也都在食物营养分析方面展开了研究。

于是，2016年人工智能快速成为热点，在这一年，人工智能主要显卡制造商NVIDIA股价翻了5倍，李开复认为人工智能的重要性甚至超越工业革命。