基于图卷积网络的多标签食品原材料识别

论文摘要

当前,食品图像的营养成分识别主要还是集中在食品类别的识别以及作为多标签任务的识别.但是这两种方法并不具备很好的判别性,因为它们忽略了原材料之间的潜在关系.因此,本文在前期工作的基础上引入了原材料之间的关系.具体地说,我们的工作主要分为图像特征提取和原材料关系学习两部分.图像特征提取通过卷积神经网络提取到图像的低维特征向量.图卷积网络通过使用图数据（图的每个节点表示原材料的词嵌入,边表示节点之间的相关性）,将图数据直接映射到一组相互依赖的分类器中,并与图像的低维特征向量融合,最后进行分类.通过在Food-101和VireoFood-172两个食品数据集上进行实验,并与当前最好的实验模型进行对比,发现基于图卷积的食品多标签分类方法可以有效地提高食品图像的分类性能.

论文目录

• 0 引言
• 1 相关工作
•   1.1 食品图像分类
•   1.2 基于GCN的多标签分类
• 2 基于图卷积网络的食品图像原材料分类
•   2.1 食品图像的特征提取
•   2.2 原材料关系学习
• 3 实验评估
•   3.1 数据集
•     1)Food-101[22]数据集:
•     2)VireoFood-172[5]数据集:
•   3.2 实现细节
•     3.2.1 超参数设置
•     3.2.2 评价指标
•   3.3 分类结果及分析
• 4 总结与展望

文章来源

类型: 期刊论文

作者: 李辉,闵巍庆,王致岭,彭鑫

关键词: 多标签分类,食品原材料,食品图像,卷积神经网络,图卷积网络

来源: 南京信息工程大学学报(自然科学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用,自动化技术

单位: 湖南理工学院信息科学与工程学院,中国科学院计算技术研究所智能信息处理重点实验室,中国科学院大学

基金: 国家自然科学基金(61772195,61602437),湖南省自然科学基金(2018JJ2156),湖南省学位与研究生教育教改研究课题(JG2018B119),湖南省“十三五”教育科学规划课题(XJK17BXX004)

分类号: TP391.41;TP183;TS202.1

DOI: 10.13878/j.cnki.jnuist.2019.06.013

页码: 743-750

总页数: 8

文件大小: 3825K

下载量: 143