基于图卷积网络的多标签食品原材料识别

• 作者: 彭鑫 李辉 王致岭 闵巍庆
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 多标签分类 食品原材料 食品图像 卷积神经网络 图卷积网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 研究性论文
• 页码范围: 743-750
• 页数: 8页
• 分类号: TP391.41
• 字数: 5628字
• 语种: 中文
• DOI: 10.13878/j.cnki.jnuist.2019.06.013

摘要

当前,食品图像的营养成分识别主要还是集中在食品类别的识别以及作为多标签任务的识别.但是这两种方法并不具备很好的判别性,因为它们忽略了原材料之间的潜在关系.因此,本文在前期工作的基础上引入了原材料之间的关系.具体地说,我们的工作主要分为图像特征提取和原材料关系学习两部分.图像特征提取通过卷积神经网络提取到图像的低维特征向量.图卷积网络通过使用图数据(图的每个节点表示原材料的词嵌入,边表示节点之间的相关性),将图数据直接映射到一组相互依赖的分类器中,并与图像的低维特征向量融合,最后进行分类.通过在Food-101和VireoFood-172两个食品数据集上进行实验,并与当前最好的实验模型进行对比,发现基于图卷积的食品多标签分类方法可以有效地提高食品图像的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	湖南理工学院信息科学与工程学院	214	1637	20.0	32.0
3	彭鑫	湖南理工学院信息科学与工程学院	30	78	5.0	6.0
6	闵巍庆	中国科学院计算技术研究所智能信息处理重点实验室	3	9	1.0	3.0
7	王致岭	中国科学院计算技术研究所智能信息处理重点实验室	1	0	0.0	0.0