导读:本文包含了食物识别论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,图像识别,卷积神经网络,SINGA
食物识别论文文献综述
刘鹏臻[1]（2019）在《基于残差网络的食物图像识别研究》一文中研究指出深度卷积神经网络在图像识别领域有着优异的表现。应用卷积神经网络的一种模型残差网络模型,并进行对其改进,实现一种50层的压缩残差网络模型,进行食物图像识别。使用压缩残差网络模型进行食物图像识别,不仅能够减少训练时间,而且在不降低准确率的前提下可以缩小模型大小。实验数据表明,相对于普通神经网络以及普通的残差网络,使用压缩后的50层残差网络模型能够很好满足食物图像识别的要求。(本文来源于《电子技术与软件工程》期刊2019年16期）
梁华刚,温晓倩,梁丹丹,李怀德,茹锋[2]（2019）在《多级卷积特征金字塔的细粒度食物图片识别》一文中研究指出目的食物图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,比普通细粒度图片的识别难度更大。目前在食物图片识别领域,食物图片的识别与分类仍存在精度低、泛化性差等问题。为了提高食物图片的识别与分类精度,充分利用食物图片的全局与局部细节信息,本文提出了一个多级卷积特征金字塔的细粒度食物图片识别模型。方法本文模型从整体到局部逐级提取特征,将干扰较大的背景信息丢弃,仅针对食物目标区域提取特征。模型主要由食物特征提取网络、注意力区域定位网络和特征融合网格3部分组成,并采用3级食物特征提取网络的级联结构来实现特征由全局到局部的转移。此外,针对食物图片尺度变化大的特点,本文模型在每级食物特征提取网络中加入了特征金字塔结构,提高了模型对目标大小的鲁棒性。结果本文模型在目前主流公开的食物图片数据集Food-101、Chinese Food Net和Food-172上进行实验,分别获得了91. 4%、82. 8%、90. 3%的Top-1正确率,与现有方法相比提高了1%～8%。结论本文提出了一种多级卷积神经网络食物图片识别模型,可以自动定位食物图片区分度较大的区域,融合食物图片的全局与局部特征,实现了食物图片的细粒度识别,有效提高了食物图片的识别精度。实验结果表明,该模型在目前主流食物图片数据集上取得了最好的结果。(本文来源于《中国图象图形学报》期刊2019年06期）
张钢,张石清[3]（2019）在《基于DCNN和迁移学习的食物图像识别》一文中研究指出由于食物种类外观的多样性,针对食物图像的自动识别颇具挑战性。提出一种基于DCNN和迁移学习的食物图像识别方法。该方法采用在ImageNet图像数据集上预训练好的DCNN模型进行网络参数初始化,然后利用微调的训练方式在自建的小规模食物图像数据库集上进行迁移学习,以便获取食物图像高层次的属性特征。最后,将DCNN学习到的高层次属性特征输入到线性支持向量机进行食物图像的分类。实验测试结果表明,该方法取得的食物图像识别性能达到了94. 20%,优于梯度方向直方图和Gabor小波变换等手工类特征。可见,采用DCNN和迁移学习方法用于食物图像的自动识别是一种可行的方法。(本文来源于《实验室研究与探索》期刊2019年06期）
杨婷婷,张珑,朱海龙[4]（2019）在《基于深度学习的食物识别研究现状与趋势》一文中研究指出食物在人们的生活中有着至关重要的作用,食物识别作为计算机视觉新的应用领域,得到了学术界和工业界的关注。针对食物识别应用的实现,已经存在大量的技术方法,本文介绍了基于深度学习方法食物识别以及食物成分识别方法。分析了食物识别所面临的挑战性问题,指出了未来的研究方向。(本文来源于《计算机产品与流通》期刊2019年04期）
蓝天[5]（2018）在《基于深度视感知学习的食物识别移动端系统研究与开发》一文中研究指出俗话说“民以食为天”,食物在人们日常生活中的地位至关重要,而饮食更关系着人们的生活与健康。随着时代的进步和技术的发展,人们对食物的需求已经不仅仅是消除饥饿,利用现代技术手段提高饮食质量、改善生活水平,已是现代人追求的目标。除此之外,对于患有高血压、高血脂的病人来说,饮食的内容关系着他们的日常生活,甚至生命健康。因此,食物识别技术的相关研究,在当今时代有着极其重要的研究价值与实用价值,而一款食物识别应用也具有不容小觑的市场前景。为解决食物识别问题,让人们能更好的对每日摄取的食物进行掌控,本文设计并实现了一款针对食物图像的移动食物识别系统。为了实现食物实时识别系统,本文采用深度学习技术将本工程分为叁个模块分别进行实现。首先设计并训练食物识别模型,通过使用卷积对特征进行“跳跃”的学习,提高了训练速度并减轻了运算负担。之后为了增强识别稳定性和准确性,采用多网络融合的方法对食物识别算法的精度和容错性进行提高,最后在Android手机上食物识别系统进行实现。本文内容主要包括以下内容*:(1)针对食物识别问题,本文设计并实现了一个卷积神经网络,该网络使用“跳跃卷积”对食物图像的特征进行学习,并通过神经网络训练出食物识别模型。针对食物图像的特点,本文还提出了一套针对食物图像的预处理过程,对于图像背景复杂、图像文字遮挡等问题,可有效减少训练过程中的干扰因素。实验结果表明,本文设计的食物识别算法可有效识别食物目标,并达到较高的识别精度。(2)在单一网络的食物识别过程中,难免会出现识别错误的情况。为了增强食物识别模型的容错性,本文使用Boosting网络融合的方法,将单一网络的结果通过重复训练错分图像,训练出不同的识别模型,再将网络模型进行融合,得到最终结果。该方法可有效提高食物识别系统的识别精度。本文在Boosting网络融合的基础上,提出了次数抑制Boosting网络融合策略,提高系统容错率的同时,通过限制同一幅图像的多次学习次数,提高系统的最终输出精度。实验结果表明,该融合策略对食物识别的效果较好,错分率和准确率都有一定改善。(3)本文以食物识别理论研究为基础,在Android手机上对该食物识别系统进行实现。其中包括对卷积神经网络的移植与调试,并在Android Studio中,对食物识别系统进行搭建。之后,为了完善用户体验,在该食物识别系统中加入食物包装文字识别和食物相关信息的查询功能,分别使用到了Android OCR技术与Android网络通信技术。该系统可以基本满足人们日常生活中对食物进行识别的需求。(本文来源于《兰州理工大学》期刊2018-06-02）
李怀德[6]（2018）在《基于多级卷积特征金字塔细粒度食物图片识别与移动端应用》一文中研究指出食物与人类生活息息相关,是保证人类身体正常运转的主要能量来源。将计算机视觉技术与食物识别相结合可以极大促进生活的便利性。食物图片结构多变、背景干扰大、类间差异小、类内差异大等特点,使其比普通细粒度图片的识别难度更大。目前在食物图片识别领域,大量工作从不同的角度对食物识别方法进行了全面的研究。但是作为食物识别领域最基础的食物图片精确识别与分类目前仍存在识别精度低、泛化性差等问题。本文提出了基于多级卷积特征金字塔的细粒度食物图片识别模型,由整体到局部逐级提取特征,不仅避免了之前方法仅仅关注食物图片整体特征的缺点,而且保留了全局信息和局部细节信息,将干扰较大的背景信息丢弃,只针对食物目标区域提取特征。本文模型主要由食物特征提取网络、注意力区域定位网络与特征融合网络叁部分组成,分别负责特征提取、细粒度局部区域定位与全局局部特征融合。单级食物特征提取网络无法同时获得食物图片全局与局部特征,因此采用叁级食物特征提取网络级联的结构实现了特征由全局到局部的转移。针对食物图片尺度变化大的特点,在每级食物特征提取网络的特征图之间构建了特征金字塔网络,提高了网络的特征描述能力,在加入特征金字塔以后模型获得了2.1%的性能提升。为了使网络自动定位到细粒度区域,在每级特征提取网络之间设计了一个注意力区域定位网络,将特征提取范围由全局缩小到局部。然后将原始图片的细粒度区域裁剪、放大输入到下一级特征提取网络。最后将每一级特征提取网络提取的特征送入特征融合网络进行特征融合,融合后的特征既包含食物图片的全局特征,也包含食物目标的细节特征。实验结果表明,本文模型在Food-101、ChineseFoodNet与Food-172数据集上分别获得了91.3%、82.6%、90.1%的Top-1正确率,超过了当前最好的识别结果。同时本文还建立了一个类别更多、数据量更大的食物图片数据集。(本文来源于《长安大学》期刊2018-04-10）
何文凤,段振渊,时磊[7]（2018）在《吐鲁番沙虎的食物化学识别机制》一文中研究指出为探究吐鲁番沙虎(Teratoscincus roborowskii)对食物的化学识别能力,从而揭示吐鲁番沙虎摄食刺山柑(Capparis spinosa)果实的机制,采用棉签法研究吐鲁番沙虎对不同类型食物的反应,用弹舌速率(tongue-flick rate,TFR)和弹舌攻击得分(tongue-flick attack score,TFAS)作为响应指标。吐鲁番沙虎在不同食物刺激源和不同成熟程度的刺山柑之间表现出不同的TFR、TFAS。吐鲁番沙虎对乙醇刺激表现出最高的TFR;对成熟刺山柑果实的TFR显着高于腐败刺山柑果实和生刺山柑果实。吐鲁番沙虎对成熟刺山柑果实和香水的TFAS显着高于蒸馏水;成熟刺山柑果实和酒精的TFAS显着高于腐败刺山柑和蒸馏水。结果表明,吐鲁番沙虎具有猎物化学识别能力,验证了犁鼻器化学识别在吐鲁番沙虎定位刺山柑果实上发挥重要作用的假说,并支持部分坐等型捕食者也具有化学识别能力,可以通过弹舌去辨别周围的环境和猎物信息。(本文来源于《生态学杂志》期刊2018年05期）
杨迪[8]（2017）在《基于随机森林和SVM的食物图像识别的研究》一文中研究指出近年来人工智能技术有了长足的发展,特别是机器对获得的声音、图像的描述和理解发展迅速,已在一些领域取得了很好的应用。起初,手机、笔记本电脑拥有了用指纹开机的功能,工作单位有签到上班的指纹机器,随后,产生了人类面部识别系统进行签到,这些功能的实现与图像识别技术都息息相关。随着社会分工的进一步细化,各种事物的种类越来越丰富,需要被识别的对象的内部结构也变得越来越细致繁杂,图像识别技术也亟待提高,越来越多的事物需要更加细致的识别和分类。因此,本研究和课题在研究图像识别具有重要作用。理论方面,本文的图像识别主要基于随机森林算法和SVM算法,介绍了一种结合随机森林方法和SVM算法的数据挖掘方法。通过这个方法极大地提高了训练速度和识别精度。食物图像较其他物体识别的目标相比定义模糊,数据化后有着高维度,非线性的特点,研究此类型图像识别对于其他类型的图像识别都有很好借鉴作用。应用方面,在人们越来越注重身体健康和环保的生活理念下,食物识别可以广泛应用在针对健康饮食或者病患看护的APP甚至智能机器人上,从而提高人们的生活质量。(本文来源于《安徽理工大学》期刊2017-06-05）
赵磊[9]（2017）在《基于能量平衡模型的食物网关键种识别研究》一文中研究指出当前地球生态系统面临物种灭绝加速、多样性丢失严重等突出问题。由于物种互相联系并构成了复杂的食物网,某个物种的灭绝所带来的影响很可能会沿着食物网传递出去,并造成一系列的次生灭绝,使得本已日益严重的多样性丢失问题雪上加霜。因此,准确地识别食物网中的关键物种,不仅有助于探索生态系统对物种灭绝的响应机制,更有利于确定物种保护的优先级,以便于将有限的资源投入到最关键的位置。本研究首先收集并分析了包含物种间碳流动的食物网数据,从中筛选出20个食物网作为论文研究的对象。一方面,分析食物网的拓扑结构,利用传统的拓扑方法研究特定序列的物种移除所引发的次生灭绝,以研究不同物种在食物网结构上的重要性。另一方面,基于食物网中的能量平衡模式,构建动力学模型以刻画食物网中不同物种的生物量变化,并模拟不同的移除序列所引发的次生灭绝,以研究不同物种在功能上的重要性。这些移除序列包含了四个不同尺度的物种重要性指标,包括考虑物种自身属性的基于生物量的指标,考虑物种间营养连接的基于权重和间接影响的指标,考虑特定营养模块的基于物种对模块参与度的指标,考虑子网络的基于物种到其它子网络距离的指标。这四类指标由小到大,层层递进,从不同的角度研究了物种重要性的排序和关键物种的检测。研究结果如下:(1)在拓扑分析和动力学分析中,基于最大生物量的物种移除比基于最小生物量的移除造成了更多的次生灭绝和对食物网稳定性的损害,表明生物量大的物种在维持食物网结构和功能上均发挥了重要的作用。传统的度中心性指标在拓扑分析中表现良好,但在动力学分析中不能有效的度量物种的重要性。(2)考虑连接权重或间接作用的序列移除比传统的仅考虑物种连接数的序列移除造成了更多的次生灭绝和更多稳定性的损害,表明考虑权重或间接作用的指标比传统的连接数指标在度量物种重要性方面更为有效。这一结论在拓扑分析和动力学分析中是一致的。(3)在拓扑分析和动力学分析中,基于物种对模块资源参与度的序列移除产生的次生灭绝比随机移除显着多,而基于物种对集团被捕食者和集团捕食者的序列移除产生的次生灭绝与随机移除没有显着差异。这表明对模块的资源参与度高的物种在维持食物网结构和功能方面更为重要,而对模块的被捕食者和捕食者参与度高的物种未显示出重要性。(4)在拓扑分析和动力学分析中,基于物种到子网络最短距离的序列移除比基于最大距离的序列移除及随机移除所产生的次生灭绝要多,对食物网稳定性的损害也更为显着。这表明不同子网络连接处的物种在维持食物网整体结构和功能方面更为重要。(5)比较食物网对不同移除序列的抵抗能力,发现在拓扑分析中,定向连接度高的食物网即连接更为紧密的食物网对于物种灭绝的抵抗能力更强;在动力学分析中,物种数更多的食物网对物种灭绝的抵抗能力更弱,定向连接度和加权连接度高的食物网对于物种灭绝的抵抗能力更强。本论文在四个不同尺度提出了全新的度量物种重要性的指标,并利用拓扑方法和动力学方法对这些指标进行了验证。这些指标的提出为生物多样性保护策略的指定提供了一定的参考价值。本文还证明了传统的度中心性指标可用于度量物种的结构重要性,但在度量物种功能重要性方面没有效果。这一结论表明了前人关于食物网中心性的研究可能高估了度中心性的重要性。另外,本文基于物种之间的碳流动数据构建了食物网动力学模型,其模型参数均由实际数据计算得出,因此在未来的理论研究工作中具有极大的应用价值。(本文来源于《华北电力大学(北京)》期刊2017-03-01）
王珊珊,王先梅[10]（2016）在《食物摄取事件中器皿边缘检测与识别的研究》一文中研究指出当今社会,越来越多的病症不断出现,如:肥胖症,糖尿病等多种"现代文明病"早已经成为危害人们健康的主要病症。文章是通过人体携带可穿戴的电子监控设备,对一天的生理活动视频进行分析,对食物摄取行为事件进行判定的研究。提出了一种基于多融合处理的椭圆检测算法,按照算法流程分别阐述了边缘检测,轮廓分割,轮廓检测,弧线段过滤与重组,引入凸性约束的影响和基于最小二乘椭圆拟合方法的检测方法。将实际复杂问题转换成器皿的边缘检测问题,从而为人体摄取能量与健康的主要因素的研究提供有效地科学依据。(本文来源于《科技创新与应用》期刊2016年19期）
食物识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的食物图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,比普通细粒度图片的识别难度更大。目前在食物图片识别领域,食物图片的识别与分类仍存在精度低、泛化性差等问题。为了提高食物图片的识别与分类精度,充分利用食物图片的全局与局部细节信息,本文提出了一个多级卷积特征金字塔的细粒度食物图片识别模型。方法本文模型从整体到局部逐级提取特征,将干扰较大的背景信息丢弃,仅针对食物目标区域提取特征。模型主要由食物特征提取网络、注意力区域定位网络和特征融合网格3部分组成,并采用3级食物特征提取网络的级联结构来实现特征由全局到局部的转移。此外,针对食物图片尺度变化大的特点,本文模型在每级食物特征提取网络中加入了特征金字塔结构,提高了模型对目标大小的鲁棒性。结果本文模型在目前主流公开的食物图片数据集Food-101、Chinese Food Net和Food-172上进行实验,分别获得了91. 4%、82. 8%、90. 3%的Top-1正确率,与现有方法相比提高了1%～8%。结论本文提出了一种多级卷积神经网络食物图片识别模型,可以自动定位食物图片区分度较大的区域,融合食物图片的全局与局部特征,实现了食物图片的细粒度识别,有效提高了食物图片的识别精度。实验结果表明,该模型在目前主流食物图片数据集上取得了最好的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
食物识别论文参考文献
[1].刘鹏臻.基于残差网络的食物图像识别研究[J].电子技术与软件工程.2019
[2].梁华刚,温晓倩,梁丹丹,李怀德,茹锋.多级卷积特征金字塔的细粒度食物图片识别[J].中国图象图形学报.2019
[3].张钢,张石清.基于DCNN和迁移学习的食物图像识别[J].实验室研究与探索.2019
[4].杨婷婷,张珑,朱海龙.基于深度学习的食物识别研究现状与趋势[J].计算机产品与流通.2019
[5].蓝天.基于深度视感知学习的食物识别移动端系统研究与开发[D].兰州理工大学.2018
[6].李怀德.基于多级卷积特征金字塔细粒度食物图片识别与移动端应用[D].长安大学.2018
[7].何文凤,段振渊,时磊.吐鲁番沙虎的食物化学识别机制[J].生态学杂志.2018
[8].杨迪.基于随机森林和SVM的食物图像识别的研究[D].安徽理工大学.2017
[9].赵磊.基于能量平衡模型的食物网关键种识别研究[D].华北电力大学(北京).2017
[10].王珊珊,王先梅.食物摄取事件中器皿边缘检测与识别的研究[J].科技创新与应用.2016