Нейросеть Pic2Recipe покоряет кулинарную сферу
Искусственный интеллект составит конкуренцию человеку и в такой творческой сфере как кулинария. В Массачусетском технологическом институте представили систему Pic2Recipe, разработанную в сотрудничестве со специалистами из Лаборатории искусственного интеллекта. Эта система способна определять ингредиенты, из которых изготовлено блюдо, а также составлять его рецепт на основании изображения.
Технологии распознавания уже давно работают во многих сферах, успешно используются для составления подробных баз данных. В кулинарной сфере использование новейших технологий долгое время было ограничено, специалисты не спешили применять свои знания к процессу приготовления пищи.
Юсуф Айтар из Массачусетского института говорит, что для реализации такого масштабного проекта необходима не менее масштабная база данных, на основании которых будет проводиться анализ. Казалось бы, бесполезные на первый взгляд фотографии, в огромном количестве размещаемые в социальных сетях, дают весьма ценное представление о предпочтениях пользователей в отношении питания.
Чтобы запустить систему, вначале была создана база данных Recipe1M, в которой содержится более миллиона изображений разных продуктов. Также были разработаны алгоритмы, чтобы распознавать эти продукты и получать о них полезную информацию. Следующим шагом была загрузка массива информации в нейросеть Pic2Recipe, которую программисты научили искать связи между продуктами и рецептами, после чего была добавлена возможность создавать шаблоны рецептов.
Легче всего программе Pic2Recipe удается распознавать десерты, в частности, кексы и печенье, сложнее поддаются анализу сложные блюда и коктейли. Создатели системы признаются, что, несмотря на все свои старания, определить набор ингредиентов в рулончике роллов ей удается всего на 65%.
В планах на будущее научить нейросеть определять различные варианты одного блюда, например, лазаньи или пиццы с разными начинками.
Постоянно совершенствуясь, нейросеть научится давать и полезные советы по приготовлению блюд. Создатели Pic2Recipe прогнозируют, что она вполне может разрастись до ряда приложений, с помощью которых пользователи смогут подсчитывать калории или проверять блюда, приготовленные в ресторане, на соответствие технологии приготовления.
На сайте проекта размещена более подробная информация и демо-версия для тестирования технологии.
Технологии распознавания уже давно работают во многих сферах, успешно используются для составления подробных баз данных. В кулинарной сфере использование новейших технологий долгое время было ограничено, специалисты не спешили применять свои знания к процессу приготовления пищи.
Юсуф Айтар из Массачусетского института говорит, что для реализации такого масштабного проекта необходима не менее масштабная база данных, на основании которых будет проводиться анализ. Казалось бы, бесполезные на первый взгляд фотографии, в огромном количестве размещаемые в социальных сетях, дают весьма ценное представление о предпочтениях пользователей в отношении питания.
Чтобы запустить систему, вначале была создана база данных Recipe1M, в которой содержится более миллиона изображений разных продуктов. Также были разработаны алгоритмы, чтобы распознавать эти продукты и получать о них полезную информацию. Следующим шагом была загрузка массива информации в нейросеть Pic2Recipe, которую программисты научили искать связи между продуктами и рецептами, после чего была добавлена возможность создавать шаблоны рецептов.
Легче всего программе Pic2Recipe удается распознавать десерты, в частности, кексы и печенье, сложнее поддаются анализу сложные блюда и коктейли. Создатели системы признаются, что, несмотря на все свои старания, определить набор ингредиентов в рулончике роллов ей удается всего на 65%.
В планах на будущее научить нейросеть определять различные варианты одного блюда, например, лазаньи или пиццы с разными начинками.
Постоянно совершенствуясь, нейросеть научится давать и полезные советы по приготовлению блюд. Создатели Pic2Recipe прогнозируют, что она вполне может разрастись до ряда приложений, с помощью которых пользователи смогут подсчитывать калории или проверять блюда, приготовленные в ресторане, на соответствие технологии приготовления.
На сайте проекта размещена более подробная информация и демо-версия для тестирования технологии.
