基于CNN分类器融合的食物识别
计算机视觉与模式识别
2018-01-23 v1
摘要
随着卷积神经网络的出现，食物识别这一复杂问题近年来取得了重要进展。基于非常深的卷积神经网络的方法获得了最佳结果，这表明模型越深，分类准确率越高。然而，非常深的神经网络可能存在过拟合问题。本文中，我们提出一种基于不同卷积模型的多个分类器的组合，它们相互补充，从而实现性能提升。我们的方法在两个公开数据集上进行了评估：Food-101作为具有广泛细粒度菜肴的数据集，以及Food-11作为高层食物类别的数据集，我们的方法优于独立的CNN模型。
引用
@article{arxiv.1709.04864,
title = {Food Recognition using Fusion of Classifiers based on CNNs},
author = {Eduardo Aguilar and Marc Bolaños and Petia Radeva},
journal= {arXiv preprint arXiv:1709.04864},
year = {2018}
}