食物對人類生活至關重要,是人們生活的基礎。隨著社交網絡、移動網絡和物聯網的快速發(fā)展,人們通常會上傳、分享、記錄食品圖像、食譜、烹飪視頻和飲食記錄,這樣可以輕松獲得大規(guī)模的食品數據。研究人員可以利用這些食品數據在食品圖像領域做各種研究,例如食品圖像識別、食品檢索等。食品圖像識別是開展食品推薦、檢索等領域的研究基礎,并且有著廣泛的實際應用,如多模態(tài)的食品記錄和個性化的醫(yī)療健康等,因此食品圖像識別越來越受到關注�，F有方法大多數都是使用深度卷積神經網絡（Convolutional Neural Network,CNN）直接提取整張圖像的視覺特征來進行食品圖像識別,而沒有考慮食品圖像自身的特點。不同于一般的物體圖像,食品圖像通常不具有獨特的空間布局,而且沒有共同語義部分。因此,直接使用CNN很難捕獲食品圖像判別性信息。隨著移動互聯網的發(fā)展,用戶不僅上傳大量的食品照片,而且提供豐富的食材信息,就像物體對場景的重要性一樣,食品圖像中的食材對于食品識別同樣非常重要。而且許多研究結果表明使用語義上有意義的食材可以作為食品圖像識別的屬性信息,它從不同的視角和粒度提供互補性信息來提高食品圖像的識別性能。此外... 

【文章來源】：中國科學院大學(中國科學院大學人工智能學院)北京市

【文章頁數】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 技術挑戰(zhàn)
    1.3 本文的研究內容與主要貢獻
        1.3.1 本文的研究內容
        1.3.2 本文的主要貢獻
    1.4 論文結構安排
第2章 研究現狀概述
    2.1 單標簽食品圖像識別
    2.2 多標簽食品圖像識別
    2.3 面向移動端的食品圖像識別
    2.4 融入上下文信息的食品圖像識別
    2.5 小結
第3章 融合多尺度多視角特征的食品圖像識別
    3.1 問題引出
    3.2 模型設計及實現
        3.2.1 多視角特征融合
            3.2.1.1 中層屬性特征
            3.2.1.2 高層語義特征
            3.2.1.3 深度視覺特征
        3.2.2 多尺度特征融合
        3.2.3 多尺度多視角特征融合
        3.2.4 分析
    3.3 實驗驗證與分析
        3.3.1 實驗數據
        3.3.2 評測指標
        3.3.3 實現細節(jié)
        3.3.4 性能分析
            3.3.4.1 ETH Food-101的性能分析
            3.3.4.2 VireoFood-172和ChineseFoodNet的性能分析
        3.3.5 討論
    3.4 小結
第4章 基于級聯多注意力網絡的食品圖像識別
    4.1 問題引出
    4.2 ISIA Food-200數據集構建
    4.3 模型設計和實現
        4.3.1 類別信息監(jiān)督的注意力子網絡
        4.3.2 食材信息監(jiān)督的注意力子網絡
        4.3.3 多注意力機制網絡
        4.3.4 多任務學習
        4.3.5 多尺度聯合表示
    4.4 實驗驗證與分析
        4.4.1 實驗數據
        4.4.2 評測指標
        4.4.3 實現細節(jié)
        4.4.4 性能對比
        4.4.5 定性分析和可視化
        4.4.6 討論
    4.5 小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
作者簡歷及攻讀學位期間發(fā)表的學術論文與研究成果


【參考文獻】：
期刊論文
[1]融合三元卷積神經網絡與關系網絡的小樣本食品圖像識別[J]. 呂永強,閔巍慶,段華,蔣樹強.  計算機科學. 2020(01)



本文編號：3203069