一种快速美食图片识别方法及系统技术方案

本发明专利技术公开了一种快速美食图片识别方法及系统，其中方法包括如下步骤：采集训练集，将训练集包括美食图片集和非美食图片集两个类别；对美食图片集、非美食图片集分别进行小类划分；构建Inception‑BN网络模型，并利用分类后的美食图片集、非美食图片集对Inception‑BN网络模型进行训练；将待识别图片输入至训练好的Inception‑BN网络模型，计算待识别图片属于美食类图片或非美食类图片的概率，将概率与阈值进行比较，并根据比较结果判断待识别图片所属的类别。本发明专利技术大幅提高计算速度，且提高了识别的准确率。

A fast food picture recognition method and system

The invention discloses a fast image recognition method and system of delicacy, wherein the method comprises the following steps: collecting the training set, the training set includes images and non delicacy delicacy pictures of two categories; of delicacy photo gallery, pictures are non delicacy class division; the construction of Inception network model and BN. The classification of the delicacy photo gallery, pictures of non delicacy training on Inception BN network model; Inception BN network model will be trained to identify the picture input, to calculate the probability to identify the picture belong to the delicacy images or non delicacy images, the probability is compared with a threshold, and according to the result of the comparison judgment to identify the category of pictures. The invention greatly improves the calculation speed and improves the recognition accuracy.

【技术实现步骤摘要】
一种快速美食图片识别方法及系统
本专利技术涉及图片识别
，具体涉及一种快速美食图片识别方法及系统。
技术介绍
现今的图片识别大多由通用的大型卷积神经网络获得，速度都比较慢，并且没有专门针对美食的分类。同时，现有的模型主要的目的为识别大量常见的场景，且训练使用的数据的范围较为广泛。这些方式一般取概率最高的类别作为最终的结果输出，而在面对美食图片时，由于图片内容本身较为复杂，可能包含大量其它场景、物体，并且多种类别的美食很可能出现在同一张图片中，所以取概率最高的类别的方法的准确率不高。另外，由于这些模型的计算量较大，所以速度很慢。
技术实现思路
本专利技术的目的是使用卷积神经网络快速、准确地识别出内容是美食的图片。为了实现上述目的，本专利技术提供了一种快速美食图片识别方法，包括如下步骤：采集训练集，将训练集包括美食图片集和非美食图片集两个类别；对美食图片集、非美食图片集分别进行小类划分；构建Inception-BN网络模型，并利用分类后的美食图片集、非美食图片集对Inception-BN网络模型进行训练；将待识别图片输入至训练好的Inception-BN网络模型，计算待识别图片属于美食本文档来自技高网...

【技术保护点】
一种快速美食图片识别方法，其特征在于，包括如下步骤：采集训练集，将训练集包括美食图片集和非美食图片集两个类别；对美食图片集、非美食图片集分别进行小类划分；构建Inception‑BN网络模型，并利用分类后的美食图片集、非美食图片集对Inception‑BN网络模型进行训练；将待识别图片输入至训练好的Inception‑BN网络模型，计算待识别图片属于美食类图片或非美食类图片的概率，将概率与阈值进行比较，并根据比较结果判断待识别图片所属的类别。

【技术特征摘要】
1.一种快速美食图片识别方法，其特征在于，包括如下步骤：采集训练集，将训练集包括美食图片集和非美食图片集两个类别；对美食图片集、非美食图片集分别进行小类划分；构建Inception-BN网络模型，并利用分类后的美食图片集、非美食图片集对Inception-BN网络模型进行训练；将待识别图片输入至训练好的Inception-BN网络模型，计算待识别图片属于美食类图片或非美食类图片的概率，将概率与阈值进行比较，并根据比较结果判断待识别图片所属的类别。2.根据权利要求1所述的快速美食图片识别方法，其特征在于，所述对美食图片集、非美食图片集分别进行小类划分包括对美食图片集和非美食图片集进行清洗；按照美食图片集中相同的美食进行小类划分，非美食图片集中相同的场景进行小类分类，分别得到美食类别、场景类别。3.根据权利要求1所述的快速美食图片识别方法，其特征在于，所述计算待识别图片属于美食类图片或非美食类图片的概率，将概率与阈值进行比较，并根据比较结果判断待识别图片所属的类别包括计算待识别图片在美食图片中每个小类的概率、以及非美食图片中每个小类的概率；统计美食图片中所有小类的概率之和S1，非美食图片中所有小类的概率之和S2；判断S1是否不小于S2，是则确定待识别图片为美食图片，否则为非美食图片。4.根据权利要求3所述的快速美食图片识别方法，其特征在于，所述判断S1是否不小于S2，是则确定待识别图片为美食图片，否则为非美食图片还包括如果确定待识别图片为美食图片，则标记美食图片的区域，计算该区域占美食图片的比例，将该比例与区域阈值比较，若比例不小于区域阈值，则确定待识别图片美食图片。5.根据权利要求1所述的快速美食图片识别方法，其特征在于，所述Inception-BN网络模型依次包括第一卷积层、第一池化层、...

【专利技术属性】
技术研发人员：张江琦，董远，白洪亮，
申请(专利权)人：北京飞搜科技有限公司，
类型：发明
国别省市：北京,11