Avem o postare pe blog care explică mai multe despre Bitesnap și de ce am construit-o. https://blog.getbitesnap.com/introducing-bitesnap-a-smart-ph.

bitesnap

Aș fi mai mult decât dispus să plătesc o taxă lunară (5 USD/lună) pentru ca cineva să confirme detaliile meselor mele și să eticheteze mesele pe care sistemul dvs. nu le recunoaște. V-aș plăti cu bucurie pentru a construi un set de formare de calitate superioară, deoarece

1) Nu vreau să completez informațiile suplimentare (deși interfața dvs. face acest proces mai puțin dureros decât ar fi altfel)

2) Plata ar face mult mai probabil să fiu un utilizator consecvent

Oricum, încântat să încerc și dacă încerci fiecare upgrade plătit, voi fi cu siguranță un cobai:)

Sunt pe cale să-mi iau unitatea SCiO, care oferă un mijloc de prelevare a unor cantități mici de alimente pentru a determina faptele nutriționale. Problema minoră aici este că nu oferă multe în ceea ce privește cantitatea totală de carbohidrați, doar densitatea carbohidraților.

Am putut vedea acest produs funcționând alături de un dispozitiv de tip SCiO care poate obține evaluarea macro a alimentelor pe care le veți mânca, dar apoi obțineți detaliile minunate conectându-vă la datele SCiO la fața locului. Dacă se detectează pâinea, „Vă rugăm să obțineți detalii mai exacte despre masă, probând pâinea cu unitatea dvs. de tip SCiO”.

Lucruri minunate! Ține-o așa!

- Experiență foarte bună la bord, mai ales în comparație cu alte contoare de calorii. Mare plus aici.

- Nu pare să existe o modalitate de a adăuga alimente în afara „mesei” actuale. Stau aici la ora prânzului, dar am vrut să adaug ceea ce aveam la micul dejun --- în schimb tocmai am mâncat un prânz foarte mare.

- Baza de date actuală cu alimente pare destul de subțire. Nici o intrare pentru supa mea de arahide africane, de exemplu, care este disponibilă atât în ​​LoseIt, cât și în MyFitnessPal.

- Cum vă veți ocupa de lucruri precum sandvișurile, unde multe dintre ingrediente pot fi ascunse complet de vedere? Ghici „sandwich” și lasă-mă să aleg ce este pe el dintr-o listă sensibilă de ingrediente sandwich? Același lucru este valabil și pentru supe, tocană sau orice altceva care poate fi similar din punct de vedere vizual cu o gamă largă de ingrediente posibile.

În general, un început bun și o inovație atât de necesară în spațiul aplicației de numărare a caloriilor.

Mă bucur să aud că ți-a plăcut

> Nu pare să existe o modalitate de a adăuga alimente în afara „mesei” actuale. Stau aici la ora prânzului, dar am vrut să adaug ceea ce am luat la micul dejun --- în schimb tocmai am mâncat un prânz foarte mare.

Da, am avut o grămadă de oameni care au cerut asta în ultimele zile. Ar trebui să o rezolvăm în următoarea versiune.

> Baza de date actuală cu alimente pare destul de subțire. Nici o intrare pentru supa mea de arahide africane, de exemplu, care este disponibilă atât în ​​LoseIt, cât și în MyFitnessPal.

Toate datele noastre provin de la USDA chiar acum. Vom adăuga în curând scanarea codurilor de bare și care va include încă 70.000 de articole. După aceea, ne propunem să facem mai ușor pentru utilizatori să adauge lucruri noi prin OCR etichetele nutriționale și calculând valorile nutriționale din ingrediente/rețete.

> Cum vă veți ocupa de lucruri precum sandvișurile, unde multe dintre ingrediente pot fi ascunse complet de vedere? Ghici „sandwich” și lasă-mă să aleg ce este pe el dintr-o listă sensibilă de ingrediente sandwich? Același lucru este valabil și pentru supe, tocană sau orice altceva care poate fi similar din punct de vedere vizual cu o gamă largă de ingrediente posibile.

Pentru articolele mai complexe avem acești „constructori” care vă permit să ajustați rapid și să adăugați ingrediente comune la lucruri precum sandvișuri, salate și supe. Pe măsură ce vom obține mai multe date, vom folosi corelațiile și predicțiile ingredientelor pentru a face adăugirile sugerate mai precise.

Aplicația învață, de asemenea, să vă recunoască mesele din trecut, astfel încât să copiați rapid informațiile pentru mesele pe care le consumați des.

Punând-o acolo: aș plăti o mulțime de bani pentru o tehnologie de consum purtabilă sau chiar implant care ar urmări consumul de calorii în fundal.

A fi integrat în Google Glass sau ochelari ar fi minunat.

1. Etichetați locația (dacă mergeți la McDonalds și faceți o fotografie cu un Big Mac veți vedea că sunteți la McDonalds și aveți o poză).

2. Apoi, pentru a obține informațiile despre „nutriție”, trebuie să specificați manual ce mâncați.

3. Ceea ce mâncați va fi apoi asociat cu o bază de date care ar oferi informații nutriționale. Imaginea ar fi acolo doar pentru a vă arăta ce ați mâncat.

Acest aspect arată mult mai bine decât atât.

Acum aproximativ 10 ani am creat un site web de gătit care folosește și baza de date nutriționale USDA (cookingspace.com) și tocmai am început să lucrez recent pe aplicații iOS și Android gratuite care vor folosi codul de analiză îmbunătățit care a fost folosit inițial pe site-ul meu.

Mă joc cu versiunea Android a aplicației dvs. chiar acum - până acum a făcut o treabă bună recunoscând produsele alimentare scoase din frigiderul nostru. Îmi place, de asemenea, în timp ce fac o fotografie că nu adaugă imaginea la fotografiile mele locale (deoarece acestea sunt automat făcute instantaneu în OneDrive și GDrive).

Aș fi curios de detectarea caloriilor. Mă întreb dacă folosește un fel de sumă ponderată a proporțiilor de segmentare a imaginii sau dacă face o învățare profundă end-to-end.

Oricum, produs mișto, îmi place să văd unde merge!

Nu am încercat încă să trecem direct de la imagine la calorii și nu sunt sigur că o vom face vreodată. În schimb, planul este de a face predicția de la capăt la capăt a dimensiunii porțiunilor pentru unele clase. Segmentarea ar fi grozavă, dar este foarte greu să obții datele pentru aceasta.

Apropo, complotarea imaginilor cu matplotlib este o durere. Încercați să utilizați HTML cu imagini codificate base64. Ceva de genul acesta ar trebui să funcționeze:

Pentru mine și pentru mulți alții, urmărirea aportului de calorii a fost/este unul dintre ultimele obstacole înaintate înainte ca eforturile de pierdere în greutate/întreținere să obțină cu adevărat un efect excelent. Este atât de dureros (consumator de timp, plictisitor) să o faci manual, mai ales dacă ai o cantitate rezonabilă de varietate în dieta ta.

Acesta este unul dintre principalele motive pentru care am ajuns să lucrăm la acest lucru. Eram destul de supraponderal ca adolescent și am pierdut peste 60 de lire sterline într-o vară, acordând cu adevărat atenție la ceea ce am mâncat (și făcând mișcare). Am încercat să folosesc câteva dintre aplicațiile de numărare a caloriilor, dar s-au simțit ca o corvoadă și m-au împins cu adevărat să folosesc produse ambalate, deoarece am putut scana codul de bare pentru a le înregistra.

Un alt domeniu de feedback - în timp ce integrarea a fost ușoară, am simțit că orele de activitate până la nivelul „etichetat” mi s-au părut puțin oprite. De exemplu, fac un antrenament de mare intensitate aproape în fiecare zi a săptămânii timp de peste o oră: antrenamentul de forță sau cardio și nivelul de activitate timp de 7 ore pe săptămână mă pun doar la „ușor activ” (uit terminologia actuală și nu poate reporni ecranele de la bord fără a dezinstala). Eram pur și simplu curios cum ai venit cu scara de activitate.

înseamnă CNN pentru clasificarea și/sau recunoașterea imaginilor? Aplicația estimează distanța și dimensiunea porțiunii și, dacă nu, cât de fezabil ar fi aceasta?

S-ar integra probabil prin HealthKit?

Bănuiesc că acesta este un MVP de concierge. dacă nu mă consideră destul de impresionat. Ultima dată când am verificat identificarea alimentelor (sau dimensiunile porțiilor într-adevăr) a fost o problemă destul de grea. Editați: Ghiciți că identificarea alimentelor nu mai este atât de dificilă. Timpurile Yikes se mișcă rapid: D

Avantajul imaginilor pare să fie că sunt forțat să mă gândesc la ceea ce mănânc înainte să mă chiuiesc.

1. Îmi place designul și funcționează foarte curat. Nimic nu pare a fi greu, iar interfața de utilizare este intuitivă.

2. Face doar un lucru - urmări mâncarea. Cred că aceasta este cea mai mare forță a sa. Nu face fitness sau orice altceva acum, ceea ce nu ar trebui.

3. Obiectivul implicit de a slăbi este simplu de utilizat și cred că surprinde cazul de utilizare predominant - prin reducerea caloriilor. Cred că defalcarea obiectivelor consumate/rămase ar trebui să fie cel mai proeminent element al interfeței de utilizare în partea de sus, defalcarea pe tip de calorii fiind a doua. Având detaliile provocării (# mese X zile) în partea de sus nu sunt date de care am nevoie de fiecare dată când deschid aplicația. Înțeleg de ce ar fi o provocare de proiectare.

4. L-am folosit doar o zi, așa că nu pot spune cât de bine afișează sau nu tendințele despre calorii/nutriție de-a lungul timpului, dar știu că aș vrea să pot descompune mai mult lucrurile.

5. Cea mai mare provocare pe care cred că o ai este cu CV-ul. Corectează-mă dacă greșesc, dar presupun că încerci să folosești utilizatorii pentru a învăța consolidarea pe Deep Vision Nets. Eu însumi sunt un tip Deep Vision (motiv pentru care l-am descărcat de altfel) și presupun că îți va fi greu să te antrenezi în acest fel. Iată de ce:

A. Dacă rezultatele clasificării obiectelor sunt suficient de bune pentru a fi întotdeauna rezultatul nr. 1 (pentru că este evident că utilizați un set probabilistic de întoarcere (imagenet?)), Atunci, în timp, oamenii vor fi deranjați de faptul că trebuie să selecteze obiectul/alimentul în plus față de fotografiere.

B. Dacă rezultatele nu sunt bune, atunci oamenii se vor enerva că trebuie să facă poză ȘI DE ASEMENEA să introducă tipul de mâncare. Vor recurge doar la introducerea manuală de fiecare dată. De exemplu, am făcut curry de legume pentru cină și nu am făcut nicio fotografie pentru că știam că nu știe ce este.

Prin urmare, setul dvs. de antrenament va stagna și nu va învăța mai bine decât dacă l-ați face cu o echipă de oameni. Dacă doriți să învețe cu adevărat, va trebui să stimulați sau să forțați oamenii să facă întotdeauna o fotografie și să o eticheteze întotdeauna. Chiar mai bine dacă le poți lega corect fiecare articol?!

Apropo, pregătirea pentru vizionarea automată a surselor de mulțime este că cred că este modul corect de a face lucrurile (asta facem cu obiectele interioare de casă FYI).

Aștept cu nerăbdare să vedem iterația aici. Mult noroc.

Nu facem nicio învățare de întărire, reglăm bine rețeaua pe măsură ce obținem mai multe date (și, ocazional, ne antrenăm de la zero când adăugăm o mulțime de clase noi).

În ceea ce privește (A), intenționăm să începem să omitem pașii de selecție pentru predicții în care suntem cu adevărat încrezători și le vom adăuga în mod prestabilit. Cred că odată ce avem suficiente date, am putea chiar să putem prezice ce vor mânca utilizatorii înainte de a face o fotografie. Mănânc practic același lucru la micul dejun în fiecare zi a săptămânii, așa că ar putea să-l înregistrez pentru mine fără să-mi impună să fac nicio treabă. Același lucru este valabil pentru lucruri precum cafenelele, nu cerem locația chiar acum, dar dacă obțineți întotdeauna același lucru când intrați într-o cafenea, am putea să vă conectăm doar pentru dvs., pe baza faptului că ați fost acolo.

B. Urmărim predicțiile noastre și ce utilizatori ajung să se înregistreze, astfel încât să putem spune care sunt punctele noastre slabe. Când pregătim noi modele, acordăm prioritate claselor cu performanțe slabe, mai ales dacă sunt populare printre utilizatorii noștri.

Puteți să mă permiteți să introduc înălțimea și greutatea mea în metric, vă rog, deoarece a trebuit să folosesc Google pentru a converti.