基于 YOLOv4 迁移学习的印度餐盘目标检测
计算机视觉与模式识别
2022-05-11 v1
摘要
目标检测是计算机视觉中一个众所周知的问题。尽管如此,其在传统印度菜肴中的使用与普及仍然有限。具体而言,在单张照片中识别印度菜肴面临三个挑战:1. 缺乏标注的印度食物数据集;2. 菜肴之间边界不明显;3. 类内差异大。我们通过提供一个全面标注的印度食物数据集 IndianFood10 来解决这些问题,该数据集包含 staple 印度餐中频繁出现的 10 个食物类别,并使用 YOLOv4 目标检测模型进行迁移学习。我们的模型在 10 类数据集上取得了 91.8% 的总体 mAP 分数和 0.90 的 f1-score。我们还提供了 10 类数据集的扩展 IndianFood20,其中包含 10 个更多的传统印度食物类别。
引用
@article{arxiv.2205.04841,
title = {Object Detection in Indian Food Platters using Transfer Learning with YOLOv4},
author = {Deepanshu Pandey and Purva Parmar and Gauri Toshniwal and Mansi Goel and Vishesh Agrawal and Shivangi Dhiman and Lavanya Gupta and Ganesh Bagler},
journal= {arXiv preprint arXiv:2205.04841},
year = {2022}
}
备注
6 pages, 7 figures, 38th IEEE International Conference on Data Engineering, 2022, DECOR Workshop