探索基于 PCA 的图像像素特征表示以增强食物图像分割
计算机视觉与模式识别
2025-10-10 v2
摘要
对于食物图像中食材的开放词汇识别，对食材进行分割是关键步骤。本文提出一种新颖的方法，通过卷积神经网络（CNN）探索图像像素的基于 PCA 的特征表示以增强分割效果。定义了一种基于轮廓系数的内部聚类指标，用于评估不同主干网络生成的特征图所导出的各种像素级特征表示的聚类质量。利用该指标，本文探索了最优特征表示选择和适合食材分割的聚类方法。此外，发现来自主干网络特征图拼接的主成分（PC）图提升了像素级特征表示的聚类质量，从而得到稳定的分割结果。值得注意的是，所选特征值的数量可作为聚类数，以获得良好的分割效果。所提方法在食材标注数据集 FoodSeg103 上表现良好，达到了平均交并比（mIoU）0.5423 的成绩。重要的是，所提方法是无监督的，且主干网络的像素级特征表示未在特定数据集上进行微调。这证明了所提方法的灵活性、泛化性和可解释性，同时减少了对大规模标注数据集的需求。
引用
@article{arxiv.2411.01469,
title = {Exploring PCA-based feature representations of image pixels via CNN to enhance food image segmentation},
author = {Ying Dai},
journal= {arXiv preprint arXiv:2411.01469},
year = {2025}
}