大规模细粒度食物识别的第三名解答
计算机视觉与模式识别
2025-11-03 v1
摘要
食物分析正成为健康领域的热门话题，其中细粒度食物识别任务发挥着重要作用。本文描述了我们为 Kaggle 上的 LargeFineFoodAI-ICCV 工作坊识别挑战所提供解决方案的细节。我们发现，Arcface loss[1] 与 Circle loss[9] 的恰当组合可显著提升性能。采用 Arcface 和组合 loss，模型经过精心调校的配置训练并进行集成，以获得最终结果。我们的解决方案在比赛中获得了第三名。
引用
@article{arxiv.2510.21199,
title = {3rd Place Solution to Large-scale Fine-grained Food Recognition},
author = {Yang Zhong and Yifan Yao and Tong Luo and Youcai Zhang and Yaqian Li},
journal= {arXiv preprint arXiv:2510.21199},
year = {2025}
}