改进注意力模型的食品图像识别方法

作者：姜枫; 周莉莉

来源：计算机工程与应用, 2023, 1-9.

• 食品图像
• 细粒度图像识别
• 局部注意力
• 自监督预训练
• ISIA Food-500数据集

随着人们对健康饮食需求的日益增加，各种饮食评估辅助软件应运而生，食品图像识别问题受到越来越多的关注。食品图像识别属于细粒度图像识别问题，较其他图像识别难度更大。并且，目前主流的食品图像数据集，如ISIA Food-500、ETH Food-101、Vireo Food-172等，所包含的图像数量偏少，难以很好地训练图像识别系统，进一步增大了图像识别难度。文中提出一种基于注意力机制的图像识别方法，该方法在自注意力的基础上引入局部注意力的概念，用于描绘图像细粒度特征，提高图像识别的准确率。此外，文中提出一种图像自监督预训练算法，缓解食品图像训练样本不足的问题。实验结果表明，所提方法在ISIA Food-500数据集的Top-1和Top-5准确率分别达到65.58%和90.03%，性能优于现有的其他算法。

• 出版日期2023
• 单位南京理工大学泰州科技学院