[發明專利]一種基于類間混淆的食物圖像層級構造和分類方法

在審

• 申請號: 202210547473.8
• 申請日: 2022-05-18
• 公開（公告）號: CN114926833A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 明朝燕;肖翠萍
• 申請（專利權）人: 浙大城市學院
• 主分類號: G06V20/68
• 分類號: G06V20/68;G06V10/764;G06V10/774
• 代理公司: 浙江杭州金通專利事務所有限公司 33100
• 代理人: 劉曉春

本發明涉及一種基于類間混淆的層級結構構造和層級分類方法，包括如下步驟：S1：獲取食物圖像數據集Food?M，并訓練M類平坦分類器，M＝M⁽¹⁾；S2：根據M^(k)類平坦分類器獲得食物各類別之間的發生分類混淆的難易程度，k∈[1,K]且k∈Z；將M^(k)個食物類別分成兩大類，兩大類具有的類別數目分別為其中且遍歷探索得到最佳合并方式，使得M^(k)類平坦分類器具有最高的大類判別準確率；本發明突破現有層級分類方法在層級結構不明顯的大規模分類場景下所具有的局限性，使用平坦分類做大類判別，遍歷探索最佳類別合并方式。

技術領域

本發明涉及食物圖像分析技術領域，具體涉及一種基于類間混淆的食物圖像層級構造和分類方法。

背景技術

食物識別是飲食監測和管理的基礎，諸多后續任務，包括卡路里計算，營養成分分析，飲食健康管理等都需要精確識別食物。需要識別的食物種類是眾多的，而種類增多會導致識別準確率降低，難以滿足現實應用場景的需求。構建層級結構，用層級分類取代平坦分類，先做大類判斷，再單獨在大類內部做判斷，消除各大類類別之間的制約，緩解了種類過多的問題。

基于類間混淆層級分類方法對類間層級關系無要求，突破了現有層級分類方法應用場景的狹隘性。由于類間層級關系不明確，給層級分類帶來以下挑戰：合適的層級結構難以構造；大類判別準確率過低；最終的分類效果較平坦分類難以提升。針對上述問題，本發明提出了一種基于類間混淆的層級結構構造和層級分類方法。

發明內容

針對現有技術中存在的不足，本發明的第一個目的在于提供一種基于類間混淆的層級結構構造和層級分類方法。本發明突破現有層級分類方法在層級結構不明顯的大規模分類場景下所具有的局限性，使用平坦分類做大類判別，遍歷探索最佳類別合并方式。

為解決上述技術問題，本發明通過下述技術方案實現：

一種基于類間混淆的層級結構構造和層級分類方法，其特征在于：包括如下步驟：

S1：獲取食物圖像數據集Food-M，并訓練M類平坦分類器，M＝M⁽¹⁾；

S2：根據M^(k)類平坦分類器獲得食物各類別之間的發生分類混淆的難易程度，k∈[1,K]且k∈Z；將M^(k)個食物類別分成兩大類，兩大類具有的類別數目分別為其中且遍歷探索得到最佳合并方式，使得M^(k)類平坦分類器具有最高的大類判別準確率；

S3：為與兩個大類分別訓練平坦分類器；

S4：令重復步驟S2至S3，直到滿足

S5：為食物圖像數據集Food-M逐層級共設置了K個大類判別器，最終訓練得到K個類平坦分類器和一個類平坦分類器，還訓練得到K個大類判別器，分別由類平坦分類器充當，其中k∈[1,K]且k∈Z。

進一步的：在步驟S1中，使用的數據集Food-M，可為任意大規模數據集，與傳統的層級分類方法不同，不要求類間固有明確的層級結構，且在M為上千類時同樣適用；將數據集Food-M按6：1：3劃分訓練集、驗證集和測試集，不考慮類間層級關系，訓練一個M類平坦分類器；

用平坦分類器做大類判斷，是在假定某種類間合并方式之后，將平坦分類器所做的小類別的判斷轉換為該小類所屬大類的判斷。

進一步的：在步驟S2中，

S2-1：使用M^(k)類平坦分類器在驗證集上做推理，將驗證集中每一張圖片的真實標簽與M^(k)類平坦分類器給出的預測類別保存到文本文件predval.txt；并輸出M^(k)類平坦分類器預測的類間混淆，并按照混淆程度，降序輸出混淆類別對，保存到log.txt中；