[发明专利]一种基于深度学习的食物识别方法和装置

说明书

本发明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。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于深度学习的食物识别方法和装置。

背景技术

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。

发明内容

本发明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，本发明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；

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。

在一种可能的实现方式中，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，第一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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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；