本文提出了一种基于单目图像的深度学习框架，用于从食物图像中估算食物能量。通过使用“能量密度地图”和深度图，显著提高了估算的准确性。此外，研究开发了NutritionVerse数据集，包含84,984张合成食物图像及相关膳食信息，旨在改善膳食评估的准确性。

本文探讨了基于动态数据的食品图像识别，提出了结合深度学习和卷积神经网络的新框架，显著提高了识别准确性，并介绍了多个数据集和算法，以改善膳食评估和自动化饮食记录的效果。