基于MaskR-CNN的菜品图像识别与分割

• 作者: 李仁最
• 来源期刊: 福建质量管理
• 关键词: 菜品图像 图像识别 深度学习 MaskR-CNN 卷积神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 质量管理
• 页码范围: 129-130
• 页数: 2页
• 字数: 4020字
• 语种: 中文

摘要

菜品图像的检索与分类是最受关注的研究课题之一.我们使用的是一个简单,灵活和通用的目标分割框架Mask R-CNN,他不仅可以十分有效的识别出目标的种类并生成检测框,也生成高质量的掩码,将其分割出来.与图像分类方法相比,该方法可以直接找到目标物体,与Faster R-CNN模型相比,只增加了一个较小的开销.我们使用的自己制作的数据库来微调Mask R-CNN模型,提高检测的准确度.数据集是先使用爬虫从网上大量爬取中国菜品图片,然后用labelme工具进行一一标注,得到的16个种类,32000张菜品图片数据库.我们在这次实验中取得的较好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李仁最		1	0	0.0	0.0