挖掘判别性食物区域以实现精确食物识别
计算机视觉与模式识别
2022-07-11 v1
摘要
自动食物识别是被动饮食监测的第一步。在本文中，我们通过挖掘判别性食物区域来解决食物识别问题。受对抗擦除（Adversarial Erasing，一种为弱监督语义分割逐步发现判别性目标区域的策略）的启发，我们提出了一种新颖的网络架构，其中主网络维持分类输入图像的基本准确率，辅助网络对抗性地挖掘判别性食物区域，区域网络对所得挖掘区域进行分类。然后将全局（原始输入图像）和局部（挖掘区域）表示集成用于最终预测。所提出的架构记为 PAR-Net，是端到端可训练的，并以在线方式突出判别性区域。此外，我们引入了一个名为 Sushi-50 的新细粒度食物数据集，包含 50 种不同的寿司类别。我们进行了大量实验来评估所提出的方法。在所选的三个食物数据集（Food-101、Vireo-172 和 Sushi-50）上，我们的方法表现一致，并取得了最先进的结果（top-1 测试准确率分别为 、、），优于其他现有方法。数据集和代码可在 https://github.com/Jianing-Qiu/PARNet 获取。
引用
@article{arxiv.2207.03692,
title = {Mining Discriminative Food Regions for Accurate Food Recognition},
author = {Jianing Qiu and Frank P. -W. Lo and Yingnan Sun and Siyao Wang and Benny Lo},
journal= {arXiv preprint arXiv:2207.03692},
year = {2022}
}
备注
Accepted in BMVC 2019 as a spotlight paper