Что это такое?
Open-source Python пакет для воспроизводимого бенчмаркинга систем распознавания изображений еды по точности оценки калорий.
Проект / Python
foodvision-bench/foodvision-bench: foodvision-bench — Воспроизводимые бенчмарки для распознавания еды
Оценивайте точность систем распознавания еды по единому стандарту без догадок — просто запустите одну команду.
Это open-source Python пакет для воспроизводимого сравнения систем распознавания изображений еды. Включает адаптеры для CLIP, SigLIP, простой CNN и нескольких коммерческих приложений. Использует тестовый набор mini-180 (180 блюд) с эталонными калориями из...
Для кого это
Для исследователей, разработчиков и дата-сайентистов, работающих с компьютерным зрением в области питания. Пригодится, если нужно сравнить модель с конкурентами или оценить качество коммерческого API.
Проблема / задача
Разные системы распознавания еды используют разные приватные датасеты и метрики, что делает сравнение некорректным. Нет единого открытого бенчмарка для оценки ошибки калорийности.
Как это работает
Проект предоставляет фиксированный тестовый набор из 180 фотографий еды с точными данными о калориях (взвешено по USDA). Вы устанавливаете пакет, выбираете систему (open-source модель или коммерческое приложение) и запускаете оценку. Пакет вычисляет MAPE — среднюю абсолютную процентную ошибку предсказанных калорий относительно истинных. Результаты собираются в единый лидерборд, который обновляется с периодичностью.
Что видно по README
Это open-source Python пакет для воспроизводимого сравнения систем распознавания изображений еды. Включает адаптеры для CLIP, SigLIP, простой CNN и нескольких коммерческих приложений. Использует тестовый набор mini-180 (180 блюд) с эталонными калориями из USDA. Отчёт содержит MAPE, top-1 accuracy и разбивку по типам кухни. Все данные и код открыты (MIT), можно добавлять свои системы через PR.
Ключевые возможности
Технологии
Темы и ключи
Интересный факт
PlateLens — первый сервис, который одновременно возглавил обе категории лидерборда (фото и ручной ввод) с рекордной MAPE 1.1%.
С чего начать
- Установите пакет: pip install foodvision-bench
- Запустите оценку открытой модели: foodvision-bench evaluate --system clip-vit-l --test-set mini-180
Оценка GitRadar
Удобство
7/10
Свежесть
8/10
Перспектива
8/10
Монетизация
5/10
Общая оценка
7/10
Вердикт GitRadar
Да, стоит попробовать, если вы занимаетесь распознаванием еды или разработкой приложений для подсчёта калорий. Это единственный открытый инструмент для честного сравнения моделей. Проект пока молодой (0.2.1), но уже показывает пользу.
Наблюдения по обновлениям
Проект активно развивается, последний коммит недавний, есть открытые issues, версия 0.2.1.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/foodvision-bench/foodvision-bench
- Лицензия
- MIT
- Создан на GitHub
- 17 апреля 2026 г.
- Последнее обновление репо
- 17 апреля 2026 г.
- Последняя проверка GitRadar
- 17 апреля 2026 г.
- Изученные файлы
- benchmarks/README.md, pyproject.toml, src/foodvision_bench/cli.py, README.md, src/foodvision_bench/__init__.py, src/foodvision_bench/metrics.py
FAQ
Для кого подходит?
Для исследователей и разработчиков, которые хотят объективно сравнить свою модель с другими или оценить точность коммерческого API.
Источники
Нужна помощь с foodvision-bench/foodvision-bench?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.