大规模食品图像数据集构建及识别方法研究

发布时间：2021-06-08 09:50

　　随着生活质量提高,越来越多的人开始注重健康饮食,这就需要对食品有更加深入的了解,而食品识别技术可以在这方面更好地帮助人们。食品识别技术已开始在实际生活中应用,比如智慧餐厅、智能冰箱和膳食推荐等。然而,人工智能热潮背景下的食品识别技术仍然存在一些问题,比如食品图像识别准确率不高、识别的食品种类较少等。因此,如何改进大规模食品图像识别性能成为食品识别领域最关注的课题之一。尽管很多研究人员已经在食品识别方面做了大量工作,但与实际应用的期望还有一定差距。造成差距的原因有很多,两个主要原因是:目前食品图像数据集规模较小;尚无完全有效适合食品识别的方法。针对以上两个问题,本文从数据集构建和识别方法两个方面进行了研究和探讨,主要研究内容和贡献如下:（1）构建了一个大规模食品图像数据集:数据集是各种技术方法的重要基础,一个高质量数据集能够为方法有效性验证提供关键保障。考虑到现有食品图像数据集规模较小,本工作从食品种类概念体系构建、数据收集、数据清洗到扩充和验证分析数据,系统化地构思和构建了一个大规模食品图像数据集ISIA Food-500,这个数据集包含来自500类食品的405,776张图片,食品种类... 

【文章来源】：中国科学院大学(中国科学院大学人工智能学院)北京市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１．１食品图像的视觉特性??Ｆｉｇｕｒｅ?１．１?Ｖｉｓｕａｌ?ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ?ｏｆ?ｆｏｏｄ?ｉｍａｇｅｓ??

?ｙ????Ｓ逮丨翻纖?数据人工清洗?ＩＳＩＡ?Ｆｏｏｄ－５００数据集??Ｉ?Ｕ?—￣展性??路??１?等方面具有较大优势??痤????＇???１?数据扩充?乂?ＳＭＳＭＡＮｅｔ网络??＼??１?是一种有效的食品识别方法??新，?、??????识｜全：局特征孥习乎??别?网络?Ｉ?Ｉ???）??、方一?？?ＳＭＳＭＡＮｅｔ??？?实验评估??法?局部特征学习乎?１?１?１?１??提?Ｉ?网络??图１．２本文总体技术线路图??Ｆｉｇｕｒｅ?１．２?Ｏｖｅｒａｌｌ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏａｄｍａｐ?ｏｆ?ｔｈｉｓ?ｔｈｅｓｉｓ??９??

因为己经人工标注过一次，当再次标注时，基本都是符合该类的图片，所以检查??标注速度会比较快。对于检查过程中出现标注疏漏太多的类，会分派给组员再次??标注；而对于类中少数残留的不合规图片，检查标注时就顺便清除。??在检查数据的过程中，作者发现存在一些食品名称不同但视觉上重复的类别，??这主要是维基百科食品列表中没有甄别不同食品名称可能是同一种食品，比如??Ｔｏｎｋｏｔｓｕｒａｍｅｎ和Ｈａｋａｔａｒａｍｅｎ虽然是两个不同食品名字，但都是肠骨拉面，??属于同一种食品，于是合并了这两类。如图２．５所示，这两个名称不同的食品也??呈现出相同视觉形态。这种重复类在起初构建食品种类概念体系时，并不能发现，??因为是不同名字，对于不熟悉这两道食品的人来说，无法从食品名称上判断这两??类食品是否重复。??图２．１不同食品名称的同类食品??Ｆｉｇｕｒｅ?２．１?Ｓｉｍｉｌａｒ?ｆｏｏｄ?ｗｉｔｈ?ｄｉｆｆｅｒｅｎｔ?ｆｏｏｄ?ｎａｍｅｓ??２．４数据扩充??经过上一轮的数据收集和清洗之后，作者发现许多食品种类的图片还是比较??２１??

【参考文献】：
期刊论文
[1]融合三元卷积神经网络与关系网络的小样本食品图像识别[J]. 吕永强,闵巍庆,段华,蒋树强.  计算机科学. 2020(01)
[2]基于Faster R-CNN的食品图像检索和分类[J]. 梅舒欢,闵巍庆,刘林虎,段华,蒋树强.  南京信息工程大学学报(自然科学版). 2017(06)
[3]国内外食品分类系统对绿色食品产品分类体系构建的借鉴[J]. 陈倩,张志华,滕锦程,唐伟.  中国食物与营养. 2017(10)
[4]日本“肯定列表制度”中食品分类体系研究[J]. 刘璇,姚晗珺,章强华,董国堃.  农业质量标准. 2009(05)



本文编号：3218188