基于fasterr-cnn的食品图像检索和分类

《基于fasterr-cnn的食品图像检索和分类》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于FasterR-CNN的食品图像检索和分类梅舒欢闵巍庆刘林虎段华蒋树强山东科技大学数学与系统科学学院中国科学院计算技术研究所智能信息处理重点实验室中国科学院大学人工智能技术学院摘要：面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题Z—•当前的主要研究方法基于全图提取视觉特征，但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒，进而影响食品图像检索和分类的性能•为此，本文提出了一种基于FasterR-CNN网络的食品图像检索和分类方法•首先通过FasterR-CNN检测图像中的候选食品区域，然后通过卷积神经网络(CNN)方法提取候选区

2、域的视觉特征，避免了噪音的干扰使得提取的视觉特征更具有判别力•此外，选取來自视觉基因库屮标注好的食品图像集微调FasterR-CNN网络，以保证FasterR-CNN食品区域检测的准确度•在包括233类菜品和49168张食品图像的Dish-233数据集上进行实验•全面的实验评估表明：基于FasterR-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.关键词：食品图像;图像检索;图像分类;深度学习；FasterR—CM;卷积神经网络;作者简介：梅舒欢，男，硕士，研究方向为多媒体检索及其应用.shuhuan.mei@vipl.ict.ac.cn作者简介：

3、段华(通信作者)，女，博士，副教授，主要从事支持向量机、机器学习、图论等方向的研究工作.huaduan59@163.com收稿日期：2017-07-28基金：国家自然科学基金(6153201&61602437,61672497,61472229,61202152)FasterR-CNNbasedfoodimageretrievalandclassificationMEIShuhuanMINWeiqingLIULinhuDUANHuaJIANGShuqiangCollegeofMathematicsandSystemsScience,ShandongUniversityofSci

4、enceandTechnology;KeyLabofIntelligentInformstionProcessing,InstituteofComputingTechnology,ChineseAcademyofSciences;Abstract：Automaticundcrstandingoffoodimageshasvariousapplicationsindifferentfields,suchasfoodintakemonitorandfoodcalorieestimation.Thus,theresearchonfoodrelatedtasks,suchasfoodi

5、mageretrievalandclassificationhasbeenoneofthehotresearchtopicsinthefieldofmultimediaanalysisandapplicationsrecently.Existingmethodsmainlyextractthevisueilfeaturesfromthewholefoodimageforfurtherfoodanalysis.Theextractedfeaturesarclackinginrobustncssbecauseofthebackgroundinterferencefromtheima

6、ges.Inordertosolvethisproblem,weproposeaFasterR-CNN(Region-basedConvolutionalNeuralNetwork)basedfoodretrievalandclassificationmethod.Forthesolution,wefirstdetectthefoodcandideiteregionsusingFasterR-CNN,andthenadopttheCNNnetworktoextractthevisualfeaturesfromthedetectedfoodregions.Suchextracte

7、dfeaturesaremorediscriminativeforreducingthebackgroundinterference.Furthermore,weselecttheannotatedfoodimagesfromtheVisualGenomedatasettofine-tunetheFasterR-CNNtoguaranteeitsperformcince.Weconduettheexperimentontwodatasets:FoodT01with101classesand1