Image Comparing and Recognition : Food Classification

Sammanfattning: Bildigenkänning och jämförelse är ett ämne som har varit i fokus under en lång tid inom datavetenskap. Många företag har försökt att skapa produkter, som utnyttjar olika lösningar för att känna igen objekt och människor. Dock har ingen lyckats skapa en lösning som kan göra detta felfritt. Lifesum vill ha en lösning till deras kaloriräknarapplikation. Denna ska erbjuda användaren möjligheten att fotografera en maträtt, för att sedan kunna ta fram vilken maträtt som bilden illustrerar. Histogramjämförelse är ett av lösningsalternativen, dock inte den mest optimala bildjämförelsealgoritmen. Att använda en algoritm som utnyttjar nyckelpunktsdetektion är den mest optimala lösningen, om träning av algoritmen är ett alternativ. En av idéerna för att öka precisionen är att låta användaren välja mellan de fem bästa maträtterna som algoritmen rekommenderar. På så sätt ökar man sannolikheten att maträtten som söks är en av de rekommenderade maträtterna. Framtida arbeten inom detta ämne kan involvera forskning i hur träning utav HOG, Histogram of Oriented Gradients, algoritmen skulle fungera. Detta för att få ett bättre resultat som låter FLANN, Fast Approximate Nearest Neighbor Search Library, algoritmen arbeta snabbare.