通过多标签学习进行食材识别
计算机视觉与模式识别
2022-10-26 v1 人工智能
机器学习
摘要
识别通用餐盘中各种食物的能力是自动化饮食评估系统的关键决定因素。本研究激发了对自动化饮食评估的需求，并提出了一个实现该目标的框架。在此框架内，我们专注于核心功能之一，即视觉识别各种食材。为此，我们采用了深度多标签学习方法，并评估了几种最先进的神经网络检测菜肴图像中任意数量食材的能力。本工作中评估的模型遵循确定的元结构，由编码器和解码器组件组成。我们评估并基准测试了两种不同的解码方案，一种基于全局平均池化，另一种基于注意力机制。而在编码方面，则采用了多种知名架构，包括 DenseNet、EfficientNet、MobileNet、Inception 和 Xception。我们使用具有挑战性的数据集 Nutrition5K 展示了基于深度学习的食材检测的初步成果，并为未来的探索建立了强有力的基线。
引用
@article{arxiv.2210.14147,
title = {Food Ingredients Recognition through Multi-label Learning},
author = {Rameez Ismail and Zhaorui Yuan},
journal= {arXiv preprint arXiv:2210.14147},
year = {2022}
}