基于Mask R-CNN的菜品图像识别和分割算法
发布时间:2021-03-31 18:42
随着饮食文化信息化的发展,各式各样的菜品图像分享网站发展迅猛,例如豆果美食网,天下美食网,大众点评网等,大量类似的网站出现在人们的视野里。如何从海量的菜品图像中获取实用的信息具有很强的实际意义。通过对菜品图像的有效分割与识别,可以协助人们在面对大量网络菜品图像信息时,针对自身的需求,实现高效地检索、分析和总结。例如糖尿病人可以避开所有含糖量高的菜品;回族人可以屏蔽掉所有猪肉原料的菜品;医生也可以根据信息了解病人之前的饮食结构,给出合理的饮食建议。总之,对菜品图像实现自动化地分割和识别不仅对于人们的饮食健康和生活质量有实际的意义,而且能通过网络系统地推广中国饮食文化。本文主要使用深度学习中的目标分割模型Mask R-CNN来对菜品进行分割和识别。首先采用爬虫技术获取菜品图像数据,针对网络爬虫的每一种策略和规则进行比较,选出最适合的爬取技术。然后对获取到的数据进行数据清洗、滤波,保证数据的质量,对图像数据进行标注,将处理好的数据集分为训练集、测试集,构建菜品数据集。接着使用深层分离卷积改进Mask R-CNN模型,降低模型计算量以及存储空间,经过COCO数据集的评估,发现将Mask R-C...
【文章来源】:武汉轻工大学湖北省
【文章页数】:55 页
【学位级别】:硕士
【部分图文】:
网络爬虫结构图
武汉轻工大学硕士专业学位论文提取出图像所在 URL在 class=”cook-img” a style class=”img-wrapper” div src 里面,因此可以写出匹配规则提取出图像链接。图 2.4 为天天200 道菜名例如:油焖大虾,回锅肉等为关“菜名:存储地址/文件名” json 文件中,方便后续操作。
本次研究一共采集了16万余张图像,其中每一种菜品图像至少有600多张,最
【参考文献】:
期刊论文
[1]基于Python的关于Flickr图片网站的爬虫[J]. 王金峰,李世良,王明,罗星宇,张雪玉. 中小企业管理与科技(中旬刊). 2019(01)
[2]基于Python的图片爬虫程序设计[J]. 云洋. 电子技术与软件工程. 2018(17)
[3]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)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[5]中国菜系的形成[J]. 万建中. 人民周刊. 2016(11)
[6]图像特征金字塔快速计算方法[J]. 李瑞帅,余淑华,潘凯,王圆. 电子世界. 2014(07)
[7]非平衡数据集分类方法探讨[J]. 职为梅,郭华平,范明,叶阳东. 计算机科学. 2012(S1)
[8]非平衡数据集分类研究[J]. 吴克寿,曾志强. 计算机技术与发展. 2011(09)
[9]一种基于核SMOTE的非平衡数据集分类方法[J]. 曾志强,吴群,廖备水,高济. 电子学报. 2009(11)
硕士论文
[1]基于深度学习的菜品图像分类方法研究[D]. 陈雅丽.电子科技大学 2018
[2]基于集成深度卷积神经网络的中餐菜品识别[D]. 何杰.华南理工大学 2018
本文编号:3111898
【文章来源】:武汉轻工大学湖北省
【文章页数】:55 页
【学位级别】:硕士
【部分图文】:
网络爬虫结构图
武汉轻工大学硕士专业学位论文提取出图像所在 URL在 class=”cook-img” a style class=”img-wrapper” div src 里面,因此可以写出匹配规则提取出图像链接。图 2.4 为天天200 道菜名例如:油焖大虾,回锅肉等为关“菜名:存储地址/文件名” json 文件中,方便后续操作。
本次研究一共采集了16万余张图像,其中每一种菜品图像至少有600多张,最
【参考文献】:
期刊论文
[1]基于Python的关于Flickr图片网站的爬虫[J]. 王金峰,李世良,王明,罗星宇,张雪玉. 中小企业管理与科技(中旬刊). 2019(01)
[2]基于Python的图片爬虫程序设计[J]. 云洋. 电子技术与软件工程. 2018(17)
[3]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)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[5]中国菜系的形成[J]. 万建中. 人民周刊. 2016(11)
[6]图像特征金字塔快速计算方法[J]. 李瑞帅,余淑华,潘凯,王圆. 电子世界. 2014(07)
[7]非平衡数据集分类方法探讨[J]. 职为梅,郭华平,范明,叶阳东. 计算机科学. 2012(S1)
[8]非平衡数据集分类研究[J]. 吴克寿,曾志强. 计算机技术与发展. 2011(09)
[9]一种基于核SMOTE的非平衡数据集分类方法[J]. 曾志强,吴群,廖备水,高济. 电子学报. 2009(11)
硕士论文
[1]基于深度学习的菜品图像分类方法研究[D]. 陈雅丽.电子科技大学 2018
[2]基于集成深度卷积神经网络的中餐菜品识别[D]. 何杰.华南理工大学 2018
本文编号:3111898
本文链接:https://www.wllwen.com/projectlw/qgylw/3111898.html