FoodLogoDet-1500：基于多尺度特征解耦网络的大规模食品标志检测数据集
摘要
食品标志检测因其在现实世界中的广泛应用（如自助商店的食品推荐和电商平台上的侵权检测）而在多媒体领域发挥着重要作用。开发先进的食品标志检测算法迫切需要大规模的食品标志数据集。然而，目前尚不存在带有食品品牌信息的可用食品标志数据集。为了支持食品标志检测的研究，我们引入了数据集 FoodLogoDet-1500，这是一个全新的大规模公开食品标志数据集，包含 1500 个类别、约 100000 张图像以及约 150000 个手动标注的食品标志目标。我们描述了 FoodLogoDet-1500 的收集与标注过程，分析了其规模与多样性，并将其与其他标志数据集进行了比较。据我们所知，FoodLogoDet-1500 是首个最大规模的公开高质量食品标志检测数据集。食品标志检测的挑战在于类别规模庞大以及食品标志类别间的相似性。为此，我们提出了一种新颖的食品标志检测方法——多尺度特征解耦网络（MFDNet），该方法将分类和回归解耦为两个分支，并侧重于分类分支以解决区分多个食品标志类别的问题。具体而言，我们引入了特征偏移模块，该模块利用变形学习获取最优分类偏移，并能在检测中有效获取最具代表性的分类特征。此外，我们在 MFDNet 中采用了平衡特征金字塔，其关注全局信息，平衡多尺度特征图，并增强了特征提取能力。在 FoodLogoDet-1500 及其他两个基准标志数据集上的综合实验证明了所提方法的有效性。FoodLogoDet-1500 可在此 https URL 获取。
引用
@article{arxiv.2108.04644,
title = {FoodLogoDet-1500: A Dataset for Large-Scale Food Logo Detection via Multi-Scale Feature Decoupling Network},
author = {Qiang Hou and Weiqing Min and Jing Wang and Sujuan Hou and Yuanjie Zheng and Shuqiang Jiang},
journal= {arXiv preprint arXiv:2108.04644},
year = {2021}
}
备注
This paper has been accepted to ACM MM 2021. The FoodLogoDet-1500, see https://github.com/hq03/FoodLogoDet-1500-Dataset