HalalNet：从屠宰鸡图像分类其是否符合清真要求的深度神经网络
计算机视觉与模式识别
2019-10-03 v1 图像与视频处理
摘要
食品中的清真要求对全球数百万穆斯林至关重要，尤其是肉类和鸡肉产品，确保屠宰场遵守该要求是一项具有挑战性的手动任务。本文提出一种方法，使用相机在屠宰场传送带上拍摄屠宰鸡图像，随后由深度神经网络分析图像以分类该图像是否为清真屠宰鸡。然而，传统深度学习模型需要大量数据训练，而在本案例中这些数据难以收集，尤其是非清真屠宰鸡的图像，因此本文展示了单次学习[1]和迁移学习[2]如何能在少量可用数据上达到高准确率。所用架构基于孪生神经网络架构，其对两个输入之间的相似性进行排序[3]，同时使用 Xception 网络[4]作为孪生网络。我们称之为 HalalNet。该工作作为 SYCUT（符合伊斯兰教法的屠宰系统）的一部分完成，该系统监控屠宰场中屠宰鸡的清真性。用于训练和验证 HalalNet 的数据收集自 Azain 屠宰场（马来西亚雪兰莪士毛月），包含清真与非清真屠宰鸡的图像。
引用
@article{arxiv.1906.11893,
title = {HalalNet: A Deep Neural Network that Classifies the Halalness Slaughtered Chicken from their Images},
author = {A. Elfakharany and R. Yusof and N. Ismail and R. Arfa and M. Yunus},
journal= {arXiv preprint arXiv:1906.11893},
year = {2019}
}
备注
Submitted in the International Conference on Artificial Intelligence and Robotics for Industrial Applications, AIR2018