郭心悦 胡沁涵 刘纯平 杨季文

(苏州大学计算机科学与技术学院 江苏 苏州 215006)

0 引 言

菜肴类App成为人们日常生活广泛使用的一类App，其中菜肴查询是这类App的一个基本功能。菜肴图像自动识别是提升这类App用户体验的必经之路。利用菜肴图像识别技术获取用户输入可以简化用户操作，减少手动输入偏差[1]。同时，众多学者为了研究如何提升菜肴图像识别的准确率发布了一些菜肴图像数据集，其中具有代表性的有UEC-Food100[2]、ETH Food-101[3]和VireoFood172[1]。

本文菜肴图像识别涉及到的菜肴包括主食、汤类、蔬菜、肉类等多个方面。鉴于菜肴图像识别属于细粒度识别[1]，菜肴图像受拍摄角度、光照、位置和形状等不确定因素变化而影响图像关键细微差别，这将导致识别的难度大幅提升[4-5]。此外，不同的菜肴可能同时包括多种相同的食材，或是盛放菜肴的器皿相似，但由于菜肴食材的形状、颜色和盛放方式不同，同种菜肴在外观方面也存在很大的差异；这些因素都会给菜肴的识别带来相当大的难度。因此，SIFT[6](尺度不变特征变换)和HOG[7](方向梯度直方图)等传统手工提取特征的方法都难以在菜肴图像识别领域取得较高的准确率[1]。为了提升菜肴图像识别的准确率，研究者们将DCNN(深度卷积神经网络)与传统特征提取方法结合运用到菜肴图像识别中，并取得了突破性的进展。如Kawano等[8]将DCNN与传统手工提取特征的方法RootHoG-FV以及Color-FV结合，在UEC-Food100数据集[2]上准确率高于纯手工提取特征。但是该方法还是借助了传统特征提取的方法，识别过程中存在一定的局限性。……