论文部分内容阅读
针对食物图像识别领域中菜品图像识别精度低的问题,提出了融合迁移学习与Inception-V3模型的中餐菜品名称及原料识别方法,实现针对中餐菜品名称及原料的识别工作。该方法在预训练模型的基础上对瓶颈层进行训练,并添加新的全连接层,完成对包含172类食物的中餐菜品数据库VIREO Food-172的菜品图像标签分类工作。实验表明:在迭代次数为50000次时,菜品名称识别准确率达到70.85%,原料识别率达到56.26%,同时对该模型进行轻量化压缩,借助移动端架构设计一款中餐菜品识别APP是后续的研究方向。