结合弱监督与网络弱标注监督学习对食物图像进行分类
计算机视觉与模式识别
2017-12-27 v1
摘要
从图像中进行食物分类是一个细粒度分类问题。人工整理食物图像在成本、时间和可扩展性上均不可行。另一方面，网络数据可免费获取但包含噪声。在本文中，我们解决了以最小数据整理代价对食物图像进行分类的问题。我们还处理了来自网络的食物图像的一个关键问题：它们经常包含多种共存的食物类型，但仅被单一标签弱标注。我们首先证明，通过向来自两个网络来源的较大未整理数据集中顺序添加少量人工整理样本，top-1 分类准确率从 50.3% 提升至 72.8%。为解决弱标签问题，我们用弱监督学习（WSL）增强深度模型，使性能提升至 76.2%。最后，我们展示了一些定性结果，以对所用方法带来的性能提升提供见解。
引用
@article{arxiv.1712.08730,
title = {Combining Weakly and Webly Supervised Learning for Classifying Food Images},
author = {Parneet Kaur and Karan Sikka and Ajay Divakaran},
journal= {arXiv preprint arXiv:1712.08730},
year = {2017}
}