LiveFood

LiveFood是面向计算机视觉、食品计算领域研究人员推出的美食视频数据集服务平台，核心定位是提供标准化标注的美食类视频数据资源与配套算法参考方案。平台目前收录超5100条覆盖食材、烹饪、呈现、食用四大类别的美食视频，所有内容均经过专业人员标注与双重校验，同时提供自研全局原型编码（GPE）模型作为增量学习场景的算法参考。目标用户包括高校计算机相关专业师生、AI企业食品场景算法开发人员、食品科学领域研究人员，可满足美食动作识别模型训练、食品计算领域算法迭代、增量学习任务基准测试等多场景使用需求。

主要功能

• 多域视频收录：平台目前已收录超过5100条美食相关视频，覆盖食材处理、烹饪制作、菜品呈现、食用过程四个核心美食场景，不同场景下的视频内容均经过分类整理，用户可根据自身研究方向筛选对应领域的视频资源，无需自行整理分散的公开视频内容。
• 专业标注服务：所有视频内容均由经过培训的专业标注人员完成精细化标注，标注维度包含视频中的动作类别、食材种类、操作流程节点等信息，可直接用于相关识别模型的训练，用户无需额外投入人力完成数据标注环节。
• 双重校验机制：平台对所有标注结果设置双重检查流程，首先由标注团队负责人完成首轮校验，再由食品领域与AI领域的专业人员进行二轮交叉校验，能够降低标注结果的误差率，保障数据集的标注质量符合科研与开发的使用标准。
• GPE模型参考：平台配套提供自研的全局原型编码（GPE）模型，该模型针对美食视频数据集的增量学习问题设计，用户可直接获取模型的架构说明与开源代码，将其作为基准算法与自身研发的方案进行效果对比，减少基础算法开发的工作量。
• 增量学习适配：数据集的结构设计适配增量学习任务场景，视频内容按照类别与时间维度进行了分层整理，支持用户分批加载不同类别的数据完成模型的增量训练，可用于验证算法在新增美食类别场景下的识别性能。
• 数据格式规范：所有视频与标注文件均采用行业通用的存储格式，视频为标准MP4格式，标注结果支持JSON、CSV等多种导出格式，可直接适配PyTorch、TensorFlow等主流深度学习框架的数据读取接口，无需额外进行格式转换。

怎么使用

1. 第一步，访问LiveFood官方网站，在首页浏览数据集的基本介绍、覆盖领域、标注标准等基础信息，确认数据集是否符合自身研究或开发的需求。第二步，找到页面中的数据申请入口，按照要求填写个人身份、所属机构、使用用途等相关信息，提交后等待平台审核。第三步，审核通过后，按照页面指引选择需要下载的视频领域，支持单独下载食材、烹饪等单领域数据，也可以选择完整数据集下载。第四步，下载完成后，查看附带的标注说明文档，了解标注字段的含义、数据的目录结构以及配套工具的使用方法。第五步，若需要使用GPE模型，可在资源下载区获取模型的开源代码与使用说明，参考示例文档完成模型的部署与测试，结合数据集开展相关研究。

适合什么人群

• 高校计算机专业师生（动作识别课题研究）
• AI企业算法工程师（食品场景识别模型开发）
• 食品科学领域研究员（食品加工行为分析）
• 增量学习方向研究者（模型算法性能测试）
• 美食内容平台技术人员（内容分类算法优化）
• 智能家居研发人员（智能烹饪设备动作识别开发）

总结

该平台是食品计算与计算机视觉交叉领域的专项数据资源平台，区别于通用类视频数据集，其所有内容都围绕美食全流程场景展开，覆盖从食材处理到最终食用的完整链路，能够填补细分领域标注数据集的空白。平台提供的标注数据经过双重校验，质量稳定性较高，可降低相关方向研究者的数据采集与标注成本。同时配套的全局原型编码模型针对增量学习场景优化，对于研究动态数据场景下模型识别效果的用户来说，可直接作为基准方案参考。目前平台资源全部公开供学术研究使用，获取流程简便，适合该细分领域的研究者作为基础数据资源使用。

价格与免费额度

平台目前针对学术研究用途提供免费版资源，免费版用户可下载完整的5100条视频与对应标注数据，以及GPE模型的开源代码，没有使用时间限制，仅要求用户在相关研究成果中注明数据集来源。商业用途授权需要单独向平台提交申请，具体价格根据使用场景、授权范围进行单独评估，建议有商业落地需求的企业提前联系平台沟通授权细节，避免侵权问题。

优点与不足

能帮你做的 8 件事

1. 01多域视频收录
2. 02专业标注服务
3. 03双重校验机制
4. 04GPE模型参考
5. 05美食视频数据集场景的常用方案
6. 06食品计算场景的常用方案
7. 07高校计算机专业师生（动作识别课题研究）的日常效率工具
8. 08先用免费额度验证需求再决定付费

更新历史

• 2026.06.14LiveFood 收录进 Toolifai 目录
• 页面资料核验与信息更新

常见问题