Эксперты Центра цифровой экспертизы Роскачества протестировали популярные мобильные приложения, которые обещают автоматически считать калории по фотографии еды. Результаты оказались далеки от идеала: в ряде случаев погрешность достигала 100%, а платные версии не показали заметного улучшения точности.
В исследование вошли 5 полностью бесплатных сервисов: Fatsecret, Tasager, EatFit, «Худеем вместе» и CalorieCounterAI. Для проверки специалисты приготовили блюда с заранее известным составом и весом, после чего сравнили реальные показатели с теми, что выдавали алгоритмы. Уже на простом примере — оладьях с калорийностью 392 ккал — разброс оказался существенным: приложения оценили блюдо в диапазоне от 242 до 454 ккал.
Сложнее всего нейросети справлялись с многокомпонентными блюдами. Например, салаты с большим количеством ингредиентов приводили к ошибкам примерно в 100 ккал на порцию. Даже простая гречневая каша вызывала трудности: некоторые сервисы путали ее с другими блюдами или некорректно учитывали добавки вроде молока.
Дополнительные факторы — плохое освещение, неудачный ракурс или «перегруженный» кадр — еще сильнее снижали точность. В таких условиях приложения могли выдавать совершенно разные результаты для одного и того же блюда, а иногда и вовсе не распознавали еду.
Отдельное внимание эксперты уделили безопасности. Большинство приложений используют трекеры и запрашивают доступ к данным устройства, хотя серьезных нарушений выявлено не было. Исключением стал CalorieCounterAI — в нем следов трекинга не обнаружили.
Проверка платных функций также не оправдала ожиданий. Подписки добавляют лишь дополнительные возможности вроде рекомендаций или сканера продуктов, но не улучшают точность распознавания.
Технически приложения для подсчета калорий состоят из трех блоков: компьютерное зрение, классификатор и база данных. Компьютер видит картинку не как человек, а как таблицу с числами — яркость и цвет каждого пикселя. Нейросеть ищет паттерны: линии, углы, фигуры, текстуры. И если на тарелке каша с семечками, нейросеть видит «хаотичные белые точки на сером фоне». Для нее это может быть как овсянка, так и цемент с крошкой. Ошибки происходят потому, что нейросеть видит поверхность, но не видит состав. Она не знает, сколько масла или сахара добавили, и не может определить объем тарелки без эталона. А в рагу или запеканке визуальные паттерны теряются, и блюдо превращается в «неопознанную биомассу».
Сергей Кузьменко
По словам руководителя Центра цифровой экспертизы Роскачества Сергея Кузьменко, такие сервисы пока нельзя считать надежным инструментом. Он сравнил их с «умной гадалкой», подчеркнув, что нейросети уверенно распознают только простые продукты вроде яблока или яйца, но теряются при анализе сложной кулинарии.
Источник: hi-tech.mail.ru