软件学报

作者：刘宇昕，闵巍庆，蒋树强，芮勇

单位：刘宇昕，中国科学院 智能信息处理重点实验室 (中国科学院 计算技术研究所), 北京 100190;中国科学院大学, 北京 10004911,闵巍庆，中国科学院 智能信息处理重点实验室 (中国科学院 计算技术研究所), 北京 100190;中国科学院大学, 北京 10004902,蒋树强，中国科学院 智能信息处理重点实验室 (中国科学院 计算技术研究所), 北京 100190;中国科学院大学, 北京 10004903,芮勇，联想集团, 北京 10008504

关键词：食品图像识别;深度学习;拼图重构;特征金字塔;注意力机制

基金：国家自然科学基金（61972378，U1936203，U19B2040）

近年来，食品图像识别由于在健康饮食管理、无人餐厅等领域的广泛应用而受到了越来越多的关注.不同于其他物体识别任务，食品图像属于细粒度图像，具有较高的类内差异性和类间相似性，而且食品图像没有固定的语义模式和空间布局，这些特点使得食品图像识别更具挑战性.为此，提出了一种用于食品图像识别的多尺度拼图重构网络（multi-scale jigsaw and reconstruction network，MJR-Net）.MJR-Net由拼图重构模块、特征金字塔模块和通道注意力模块这3部分组成.拼图重构模块使用破坏重构学习方法将原始图像进行破坏和重构，以提取局部的判别性细节特征；特征金字塔模块可以融合不同尺寸的中层特征，以捕获多尺度的局部判别性特征；通道注意力模块对不同特征通道的重要程度进行建模，以增强判别性的视觉模式，减弱噪声干扰.此外，还使用A-softmax和Focal损失，分别从增大类间差异和修正分类样本的角度优化网络.MJR-Net在ETH Food-101，Vireo Food-172和ISIA Food-500这3个食品数据集上进行实验，分别取得了90.82%，91.37%和64.95%的识别准确率.实验结果表明，与其他食品图像识别方法相比，MJR-Net表现出较大的竞争力，并在Vireo Food-172和ISIA Food-500上取得了最优识别性能.全面的消融实验和可视化分析证明了该方法的有效性.

来源：2022年第11期

《软件学报》期刊编辑部

查看软件学报杂志2022年第11期