食品识别中的深度学习方法
计算机视觉与模式识别
2020-04-09 v2 机器学习
图像与视频处理
摘要
基于图像的自动食品识别是一项尤为具有挑战性的任务。传统图像分析方法过去取得的分类准确率较低，而深度学习方法使得食品类型及其成分的识别成为可能。菜肴内容通常为可形变物体，一般包含复杂语义，这使得定义其结构的工作非常困难。深度学习方法已在此类挑战中展现出极具前景的结果，因此本章聚焦于介绍一些应用于基于图像的食品识别的流行方法与技术。针对当前任务，概述了三条主要解决思路，即从头设计、迁移学习以及基于平台的方法，并对它们进行测试与比较以揭示各自固有的优势与不足。本章还补充了基础背景材料、一节专门讨论对所用经验方法至关重要的相关数据集的内容，以及指出未来方向的一些结论性评述。
引用
@article{arxiv.2004.03357,
title = {Deep learning approaches in food recognition},
author = {Chairi Kiourt and George Pavlidis and Stella Markantonatou},
journal= {arXiv preprint arXiv:2004.03357},
year = {2020}
}
备注
26 pages, 10 figures, book chapter for Machine Learning Paradigms - Advances in Theory and Applications of Deep Learning