单阶段重尾食物分类
计算机视觉与模式识别
2023-07-04 v1
摘要
基于深度学习的食物图像分类通过预测用餐场景图像中的食物类别，使基于图像的饮食评估中营养内容分析更为准确。然而，在真实应用部署食物分类存在两大障碍。其一，真实生活食物图像通常呈重尾分布，导致严重的类不平衡问题。其二，在重尾数据分布下训练单阶段（即端到端）框架十分困难，从而造成对富含样本的头类过预测、对稀有样本的尾类欠预测。本工作中，我们提出一种新颖的单阶段重尾食物分类框架，一并解决上述两方面问题。我们的方法在两个重尾食物基准数据集 Food101-LT 与 VFN-LT 上评估，相较现有工作取得最优性能，top-1 准确率提升超 5%。
引用
@article{arxiv.2307.00182,
title = {Single-Stage Heavy-Tailed Food Classification},
author = {Jiangpeng He and Fengqing Zhu},
journal= {arXiv preprint arXiv:2307.00182},
year = {2023}
}
备注
ICIP 2023