基于卷积神经网络的食品图像识别
针对传统食品图像识别方法提取特征能力差、准确率差、运行效率差和卷积神经网络识别相似食品图像难度大等问题,提出了一种新的食品图像识别模型ChinaFood-CNN,以实现对食物的精准分类;在多分类损失函数Soft?maxWithLoss的基础上,针对食品图像类间相似性大的问题,提出了最大类间距损失函数(MCSWithLoss),以增大相似类之间的距离,实现相似类的区分;针对随机选取样本时的训练集冗余问题,在网络模型训练时使用负样本选择算法.实验结果表明:ChinaFood-CNN模型对食品图像的识别准确率达69.2%,分别比AlexNet、VGG16、ResNet模型提升了17.6%、16.8%和3.6%.
食品图像识别、卷积神经网络、最大类间距损失函数
51
TP183(自动化基础理论)
广东省科技计划项目2017B010126002,2017A010101008,2017A010101014
2019-08-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
113-119