随着人们对健康饮食需求的日益增加,各种饮食评估辅助软件应运而生,食品图像识别问题受到越来越多的关注。食品图像识别属于细粒度图像识别问题,较其他图像识别难度更大。目前主流的食品图像数据集,如ISIA Food-500、ETH Food-101、Vireo Food-172等所包含的图像数量偏少,难以很好地训练图像识别系统,进一步增大了图像识别难度。提出一种基于注意力机制的图像识别方法,该方法在自注意力的基础上引入局部注意力的概念,用于描绘图像细粒度特征,提高图像识别的准确率。此外,还提出一种图像自监督预训练算法,缓解食品图像训练样本不足的问题。实验结果表明,所提方法在ISIA Food-500数据集的Top-1和Top-5准确率分别达到65.58%和90.03%,性能优于现有的其他算法。
姜枫;周莉莉;
南京理工大学泰州科技学院,江苏泰州225300
计算机与自动化
食品图像;细粒度图像识别;局部注意力;自监督预训练;ISIA Food-500数据集
《计算机工程与应用》 2024 (012)
P.153-159 / 7
江苏省高等学校自然科学研究面上项目(19KJB520038);江苏省“333人才”项目。
10.3778/j.issn.1002-8331.2303-0249
评论