[发明专利]一种基于卷积神经网络的食物图像自动分类方法

摘要

一种基于卷积神经网络的食物图像自动分类方法，包括以下步骤：1)利用网络爬虫从互联网爬取食物图像数据，人工筛选标签正确的食物图像归至InitialData数据集；2)使用InitialData训练FoodCNN卷积神经网络；3)利用网络爬虫开始对主流搜索引擎和图像分享网站中搜集大量目标分类的食物图像数据，同时定期执行步骤4；4)利用FoodCNN网络对数据筛选，将数据将分为CrawlData和NoisyData；5)使用扩充后数据CrawlData更新FoodCNN网络；6)判断NoisyData数据量是否合理，决定是否继续爬虫；7)停止爬虫，训练FoodFinalCNN。本发明正确率较高。

主权项

1.一种基于卷积神经网络的食物图像自动分类方法，其特征在于：其包括以下步骤：S1：利用网络爬虫从互联网爬取食物图像数据，人工筛选名称与图像内容相一致的食物图像，保存至数据集InitialData；S2：使用InitialData数据集训练FoodCNN网络，得到一个初始识别食物子类的图像分类器，对输入的图像输出该图像属于每一子类的概率，按概率从大到小排列子类名单；S3：利用网络爬虫开始对主流搜索引擎和图像分享网站中搜集大量目标分类的食物图像数据，同时定期利用FoodCNN网络筛选数据；S4：利用FoodCNN网络对数据判断，将数据将分为CrawlData和NoisyData；所述步骤S4包括以下步骤：S4.1：使用FoodCNN网络对爬虫获取到的数据进行判决；S4.2：如果数据标签与FoodCNN判定的前五个可能的标签中一个相符，则认为该数据有很大可能属于目标分类，判定该数据属于CrawlData，保存该数据至CrawlData数据集；S4.3：如果数据标签与FoodCNN判定的前五个可能的标签，没有一个相符，则认为该数据标签与其真实分类不符，判定该数据属于NoisyData，保存该数据至NoisyData数据集；S4.4：执行步骤S5；S5：使用扩充后的CrawlData数据更新FoodCNN网络；S6：判断NoisyData数据量的合理性：统计NoisyData数据集占总数据集的比例，若未超过预设阈值则执行步骤S3，否则执行步骤S7；S7：使用扩充后的数据训练FoodFinalCNN网络。