中式菜肴食材数据集的构建及其分类算法研究

中式菜肴食材数据集的构建及其分类算法研究

【摘要】： 图像分类是指通过图像的特征区分不同图像类别的方法,传统的图像分类方法通过特征描述符加分类器的方法来实现,随着人工智能以及深度学习技术的发展,卷积神经网络在图像分类中应用的越来越多,且表现出很好的分类性能。在图像分类任务中通过优化网络模型和增强数据集可以有效地提升图像分类的准确率。目前大部分模型的优化仅针对特定的数据集,将已经构造好的模型应用于增量式的数据集时通常需要进行模型改造。虽然目前有大量的公开数据集可用于图像分类,但是针对性的数据集却是非常有限,目前被公开的可用于菜肴分类的数据集,针对中式菜肴食材的数据集非常稀缺。本文针对以上问题构造了一个包含有369个类别的食材图像数据集,并针对性的提出了一种多层卷积神经网络模型,并做了相应的分析。具体研究内容包括以下几点:首先,本文构造了一个大规模的中国菜肴食材数据集,数据集共包括369个食材类别。数据集的构造过程中主要应用了网络爬虫技术,具体构造流程为通过爬虫技术以及统计技术确定待构造数据集中食材种类名单。根据确定的名单采用三级网络爬虫技术进行图片的获取,并通过半自动化的处理方式对图片进行筛选,最终构造一个包含369个类别的大规模食材数据集。其次,本文提出了一种多层卷积神经网络模型。在构造卷积神经网络时,在卷积神经网络构造的最开始采用了空间变换层,使卷积神经网络拥有显式的图片处理模块,可保证在模型进行学习的过程中的图片数据的旋转不变性。最后,本文设计多组对比实验用于验证本文构造多层卷积神经网络模型在图像分类任务中的效果。实验结果表明,本文构造的模型在本文构造的中式菜肴食材图像数据集上有很好的效果。在与当前主流的卷积神经网络针对本文构造的食材数据集进行分类对比时,本文构造的模型也取得了较好的效果。

【学位授予单位】：武汉轻工大学
【学位级别】：硕士
【学位授予年份】：2019

相关知识

健康医疗大数据分析 队列研究 算法研发能力
医疗健康大数据分类分级使用标准研究（一）
《大健康数据智能分析关键方法研究》
医学大数据研究在中国
健康大数据研究中心
国内大数据与膳食营养健康的研究及应用进展
大数据时代下慢性病防控新模式的研究进展
基于移动技术健康饮食服务数据库与过敏食物发现算法研究.doc
中国儿童青少年体育健身大数据平台建设研究的中期检查报告
瑜伽教学中体式分类研究

网址: 中式菜肴食材数据集的构建及其分类算法研究 https://www.trfsz.com/newsview472604.html