SVM分类器与ResNet50架构在非洲食物分类中的探索性分析
计算机视觉与模式识别
2025-05-21 v1
摘要
食物识别系统已在西方料理方面取得显著进展，但针对非洲食物的应用仍鲜有探索。本研究通过评估深度学习和传统机器学习方法，针对非洲食物分类这一空白进行了填补。我们比较了微调ResNet50模型与支持向量机（SVM）分类器的性能。数据集包含1658张跨越六个非洲常见食物类别的图像。为评估模型效果，我们采用五个关键评估指标：混淆矩阵、F1分数、准确率、召回率和精确率。我们的发现为两种方法的优势与局限性提供了宝贵见解，推动了非洲料理食物识别的发展。
引用
@article{arxiv.2505.13923,
title = {An Explorative Analysis of SVM Classifier and ResNet50 Architecture on African Food Classification},
author = {Chinedu Emmanuel Mbonu and Kenechukwu Anigbogu and Doris Asogwa and Tochukwu Belonwu},
journal= {arXiv preprint arXiv:2505.13923},
year = {2025}
}
备注
7 pages, 9 figures