[發明專利]中餐菜品圖像識別方法及裝置

有效

• 申請號: 202010334520.1
• 申請日: 2020-04-24
• 公開（公告）號: CN111523483B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 高偉東;郝然
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06V10/77
• 分類號: G06V10/77;G06V20/20;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 楊明月

本發明實施例提供一種中餐菜品圖像識別方法及裝置，所述方法包括：獲取目標中餐菜品圖像，對所述目標中餐菜品圖像執行預處理操作；將經過預處理的所述目標中餐菜品圖像輸入至中餐菜品圖像識別模型中，獲得中餐菜品識別結果；其中，所述中餐菜品圖像識別模型是基于經過預處理的中餐菜品圖像樣本以及對應的中餐菜品類別標簽訓練獲得的，所述中餐菜品圖像識別模型基于DenseNet模型構建，所述中餐菜品圖像識別模型的網絡結構包括：N個用于實現特征復用的密集連接塊和N?1個用于壓縮參數數量的過渡層；N為大于1的自然數。本發明實施例能夠對多種中餐進行準確檢測與識別，識別種類廣泛、識別準確率高。

技術領域

本發明涉及計算機技術領域，更具體地，涉及一種中餐菜品圖像識別方法及裝置。

背景技術

隨著深度學習算法快速發展，計算機視覺成為了人工智能發展最快、落地最廣的領域，并且已經廣泛應用到人們生活中的方方面面，其中食物識別是目前計算機視覺領域中備受關注的一個新興話題。

目前有許多針對西餐和日式菜品的識別算法研究，但針對中餐菜品圖像識別的較成熟方法研究還不多，不僅由于公開的大型中餐菜品分類數據集很少，而且中餐菜品相對于西餐或者日式菜品更難識別，因為同種類別的中餐菜品可能會呈現出各種不同的形式。同時，中餐菜品圖像還會受餐盤顏色、光線明暗等背景噪聲的影響；另外不同中餐菜品之間還可能看起來很相似。

基于這些原因，目前能夠實現對中餐菜品進行準確識別的現有技術非常有限，這些情況都增加了中餐菜品圖像的識別準確的難度。因此需要一種能對中餐菜品進行準確檢測與識別的方法。

發明內容

為了解決或者至少部分地解決上述問題，本發明實施例提供一種中餐菜品圖像識別方法及裝置。

第一方面，本發明實施例提供一種中餐菜品圖像識別方法，包括：

獲取目標中餐菜品圖像，對所述目標中餐菜品圖像執行預處理操作；

將經過預處理的所述目標中餐菜品圖像輸入至中餐菜品圖像識別模型中，獲得中餐菜品識別結果；

其中，所述中餐菜品圖像識別模型是基于經過預處理的中餐菜品圖像樣本以及對應的中餐菜品類別標簽訓練獲得的，所述中餐菜品圖像識別模型基于DenseNet模型構建，所述中餐菜品圖像識別模型的網絡結構包括：N個用于實現特征復用的密集連接塊和N-1個用于壓縮參數數量的過渡層；N為大于1的自然數。

可選地，所述將經過預處理的所述目標中餐菜品圖像輸入至中餐菜品圖像識別模型中，獲得識別結果的步驟，具體包括：

將經過預處理的所述目標中餐菜品圖像輸入至中餐菜品圖像識別模型，經過所述中餐菜品圖像識別模型的第一卷積層、第一批量歸一化層和激勵層的操作，獲得第一特征映射圖；

將所述第一特征映射圖輸入至所述中餐菜品圖像識別模型的最大池化層，獲得第二特征映射圖；

將所述第二特征映射圖輸入至所述中餐菜品圖像識別模型的第一密集連接塊，然后經過第一過渡層的操作，獲得第三特征映射圖；

將所述第三特征映射圖輸入至所述中餐菜品圖像識別模型的第二密集連接塊，然后經過第二過渡層的操作，獲得第四特征映射圖；

將所述第四特征映射圖輸入至所述中餐菜品圖像識別模型的第三密集連接塊，然后經過第三過渡層的操作，獲得第五特征映射圖；

將所述第五特征映射圖輸入至所述中餐菜品圖像識別模型的第四密集連接塊，然后經過第四過渡層的操作，獲得第六特征映射圖；

將所述第六特征映射圖輸入至所述中餐菜品圖像識別模型的第二批量歸一化層，然后經過全連接層和分類器的操作，獲得中餐菜品識別結果。