一种菜品图像背景剥离方法技术

本发明专利技术公开一种菜品图像背景剥离方法，本方法采用深度学习与边缘检测结合的方法生成无菜品单器皿图像，再通过单菜品图像与无菜品单器皿图像做差的方式获取纯菜品区域图像，可以去除无效背景，提取核心目标区域内容，有利于机器学习进一步训练。从而可以解决在菜品识别数据获取阶段产生的数据不准确、不全面的问题，通过生成单一无器皿菜品数据信息增强菜品识别学习网络识别能力。

A method of background stripping of food image

【技术实现步骤摘要】
一种菜品图像背景剥离方法
本专利技术涉及智慧餐饮领域，具体的说，是一种菜品图像背景剥离方法。
技术介绍
进行菜品图像识别过程中，通常对盛菜器皿整体进行目标抽取后进行目标识别，该过程中存在器皿对目标识别的噪音影响。同时由器皿自身问题导致的目标定位错误也会影响到紧接着的识别工作，因此通过对菜品区域的检测并提取，是识别过程的重要技术组成。公开号为CN201910315763的专利公开了一种菜品识别方法，在进行样本学习过程中仅对目标菜品粗略定位后获得菜品器皿信息，然后进行特征提取比对，用来判断当前目标是哪种菜品。该方法虽然可以对菜品进行学习分类，但是在分类时使用的数据是带有器皿信息的，因此在进行学习过程中将会使分类网络倾向于当前器皿环境下的应用，而在更换器皿或数据库包含不充足情况下，会产生识别精度不足的问题。
技术实现思路
本专利技术要解决的技术问题是提供一种菜品图像背景剥离方法，解决在菜品识别数据获取阶段产生的数据不准确、不全面的问题，通过生成单一无器皿菜品数据信息增强菜品识别学习网络识别能力。为了解决所述技术问题本文档来自技高网...

【技术保护点】
1.一种菜品图像背景剥离方法，其特征在于：包括以下步骤：S01）、构建菜品定位样本数据库，菜品定位样本数据库中为具有多种来源并盛有菜品的器皿图像；S02）、构建深度学习目标定位模型，并基于步骤S01构建的菜品定位样本数据库对深度学习目标定位模型进行训练，训练后的深度学习目标定位模型能够实现对多变量条件下的真实菜品图像进行定位，提取图像中器皿的位置、大小信息；S03）、构建边缘检测算法模型，边缘检测算法模型对视野中器皿边缘进行粗略标记，获得器皿粗边缘；S04）、通过边缘检测算法模型和深度学习目标定位模型对真实菜品图像进行提取，获得单个菜品图像；S05）、针对单个菜品图像，构建对抗网络模型对其进行...

【技术特征摘要】
1.一种菜品图像背景剥离方法，其特征在于：包括以下步骤：S01）、构建菜品定位样本数据库，菜品定位样本数据库中为具有多种来源并盛有菜品的器皿图像；S02）、构建深度学习目标定位模型，并基于步骤S01构建的菜品定位样本数据库对深度学习目标定位模型进行训练，训练后的深度学习目标定位模型能够实现对多变量条件下的真实菜品图像进行定位，提取图像中器皿的位置、大小信息；S03）、构建边缘检测算法模型，边缘检测算法模型对视野中器皿边缘进行粗略标记，获得器皿粗边缘；S04）、通过边缘检测算法模型和深度学习目标定位模型对真实菜品图像进行提取，获得单个菜品图像；S05）、针对单个菜品图像，构建对抗网络模型对其进行处理，获得无菜品单器皿图像，对抗网络模型包括深度学习生成器模型和深度学习判别器模型，深度学习生成器模型通过学习对输入的单个菜品图像生成无菜品单器皿图像，深度学习判别器模型基于深度学习生成器模型生成的单个无菜品单器皿图像和实际采集的单器皿无菜品图像，实现对真实图像和生成图像的合理区分；S06）、通过单个菜品图像与无菜品单器皿图像做差，获得纯菜品区域图像。


2.根据权利要求1所述的菜品图像背景剥离方法，其特征在于：菜品定位样本数据库的图像来源包括相机、摄像机拍摄的照片或者从拍摄视频中截取的图像、网络中获得的图像。


3.根据权利要求1所述的菜品图像背景剥离方法，其特征在于：对定位样本数据库中的数据进行数据清洗、数据增强，并通过旋转、镜像、扭曲、模糊的方式增加样本多样性。


4.根据权利要求1所述的菜品图像背景剥离方法，其特征在于：菜品定位样本数据库通过相机或者摄像机进行拍摄采集时，拍摄过程中提供各角度光照变化、拍摄角度位于正上方至垂直角度45度之间、拍摄距离30至50厘米处，形成拍摄视频...

【专利技术属性】
技术研发人员：瞿晨非，方亮，许野平，王阔阔，凌桂婷，刘永悦，
申请(专利权)人：神思电子技术股份有限公司，
类型：发明
国别省市：山东;37