一种基于深度学习的食物识别方法和装置制造方法及图纸

本发明专利技术涉及一种基于深度学习的食物识别方法和装置，通过获取待识别图像，对所述待识别图像进行食物识别，将包含食物的待识别图像确定为第一识别图像；然后对所述第一识别图像进行食物目标检测，确定食物在所述第一识别图像中的位置参数，其中，所述位置参数包括所述食物的坐标、所述第一识别图像中食物所在区域的长度和宽度；再根据所述第一识别图像和所述位置参数，确定第二识别图像；最后对所述第二识别图像进行食物识别，确定食物的名称。本发明专利技术提供的方案能够解决对食物识别的方式较为繁琐的问题。

【技术实现步骤摘要】
一种基于深度学习的食物识别方法和装置
本专利技术涉及计算机视觉
，尤其涉及一种基于深度学习的食物识别方法和装置。
技术介绍
由于通信时代和社会的兴起，人们的生活水平也随之提高。在饮食过程中，由于现在越来越多健身、减肥或者注意饮食健康的人，在吃东西前通常要去查找每个食物对应的相关信息，进而有利于用户对其所吃的食物有全面的了解。然而，当用户在识别食物的过程中，往往需要通过上网搜索的方式进行查询，这也导致用户的操作较繁琐，进而影响了用户体验。
技术实现思路
本专利技术要解决的技术问题在于对食物识别的方式较为繁琐，针对现有技术中的缺陷，提供一种基于深度学习的食物识别方法和装置。为了解决上述技术问题，本专利技术提供了一种食物识别方法，包括：获取待识别图像；对所述待识别图像进行食物识别，将包含食物的待识别图像确定为第一识别图像；对所述第一识别图像进行食物目标检测，确定食物在所述第一识别图像中的位置参数，其中，所述位置参数包括所述食物的坐标、所述第一识别图像中食物所在区域的长度和宽度；本文档来自技高网...

【技术保护点】
1.一种基于深度学习的食物识别方法，其特征在于，包括：/n获取待识别图像；/n对所述待识别图像进行食物识别，将包含食物的待识别图像确定为第一识别图像；/n对所述第一识别图像进行食物目标检测，确定食物在所述第一识别图像中的位置参数，其中，所述位置参数包括所述食物的坐标、所述第一识别图像中食物所在区域的长度和宽度；/n根据所述第一识别图像和所述位置参数，确定第二识别图像；/n对所述第二识别图像进行食物识别，确定食物的名称。/n

【技术特征摘要】
1.一种基于深度学习的食物识别方法，其特征在于，包括：
获取待识别图像；
对所述待识别图像进行食物识别，将包含食物的待识别图像确定为第一识别图像；
对所述第一识别图像进行食物目标检测，确定食物在所述第一识别图像中的位置参数，其中，所述位置参数包括所述食物的坐标、所述第一识别图像中食物所在区域的长度和宽度；
根据所述第一识别图像和所述位置参数，确定第二识别图像；
对所述第二识别图像进行食物识别，确定食物的名称。


2.根据权利要求1所述的方法，其特征在于，所述对所述待识别图像进行食物识别，包括：
利用预先构建好的神经网络对所述待识别图像进行食物识别；
其中，所述神经网络是通过如下方式进行构建的：
在第一层至第十二层采用3*3的卷积核，其中，第五层和第八层之间增加特征金字塔结构，用于融合低维特征和高维特征；
在第十三层至第十七层采用5*5的卷积核；
在第十八层采用flatten层；
在第十九层采用全连接层，并在所述全连接层后采用softmax分类器。


3.根据权利要求1所述的方法，其特征在于，所述对所述第一识别图像进行食物识别，确定食物在所述第一识别图像中的位置参数，包括：
对所述第一识别图像进行六次特征提取，得到第一高维特征图；
对所述第一识别图像进行一次特征提取，得到第一低维特征图；
对所述第一识别图像进行三次特征提取，得到第二低维特征图；
对所述第一识别图像进行五次特征提取，得到第三低维特征图；
将所述第一高维特征图、所述第一低维特征图、所述第二低维特征图和所述第三低维特征图进行特征融合，得到第一融合特征图；
根据所述第一融合特征图，确定食物在所述第一识别图像中的位置参数。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一融合特征图，确定食物在所述第一识别图像中的位置参数，包括：
对所述第一融合特征图进行特征提取，将特征提取后的特征发送给分类器；
对所述第一融合特征图进行特征提取，将特征提取后的特征进行三次最大池化，并将三次最大池化后的特征进行特征融合，得到第二融合特征图；
对所述第二融合特征图进行特征提取，将特征提取后的特征发送给位置回归器；
根据所述分类器和所述位置回归器，确定食物在所述第一识别图像中的位置参数。


5.根据权利要求1所述的方法，其特征在于，所述对所述第二识别图像进行食物识别，确定食物的名称，包括：
对所述第二识别图像进行第一下采样处理，得到第一下采样特征图；
对所述第一下采样特征图进行第二下采样处理，得到第二下采样特征图；
对所述第二下采样特征图进行特征提取，得到第一提取特征图；
对所述第一提取特征图进行第二下采样处理，得到第三下采样特征图；
对所述第三下采样特征图进行第二下采样处理，得到第四下采样特征图；
对所述第四下采样特征图进行特征提取，得到第二提取特征图；
对所述第一下采样特征图、所述第一提取特征图、所述第四下采样特征图和所述第二提取特征图进行特征融合，得到第三融合特征图；
对所述第三融合特征图中的细节特征赋予超过预设阈值的权重，得到目标融合特征图；
对所述目标融合特征图进行池化处理后，经过全连接层分类，确定出食物的名称。


6.根据权利要求1-5中任一项所述的方法，其特征在于，所述待识别图像是由可旋转摄像头至少从位于所述食物上方的若干个位置拍摄获得；
在所述获取待识别图像之后，进一步包括：
获取待测食物的质量；
利用预先构建好的食物空间参量模型对所述待识别图像进行识别，得到所述待测食物的空间参量，其中，所述空间参量用于...

【专利技术属性】
技术研发人员：裘实，
申请(专利权)人：北京健康有益科技有限公司，
类型：发明
国别省市：北京;11