FoodX-251：一种用于细粒度食物分类的数据集
计算机视觉与模式识别
2019-07-16 v1
摘要
食物分类是一个具有挑战性的问题，原因在于类别数量庞大、不同食物间视觉相似度高，以及缺乏用于训练最先进深度模型的数据集。解决该问题需要在计算机视觉模型与用于评估这些模型的数据集两方面取得进展。本文关注第二方面，并介绍 FoodX-251，一个包含从网络收集的 251 个细粒度食物类别、共 158k 图像的数据集。我们使用 118k 图像作为训练集，并提供 40k 图像的人工校验标签，可用于验证与测试。本工作中，我们概述了该数据集的创建流程，并给出基于深度学习模型的相关基线。FoodX-251 数据集已用于组织 Fine-Grained Visual Categorization 研讨会（CVPR 2019 上的 FGVC6）中的 iFood-2019 挑战赛，并可下载。
引用
@article{arxiv.1907.06167,
title = {FoodX-251: A Dataset for Fine-grained Food Classification},
author = {Parneet Kaur and Karan Sikka and Weijun Wang and Serge Belongie and Ajay Divakaran},
journal= {arXiv preprint arXiv:1907.06167},
year = {2019}
}
备注
Published at Fine-Grained Visual Categorization Workshop, CVPR19