针对传统食品图像识别方法提取特征能力差、准确率差、运行效率差和卷积神经网络识别相似食品图像难度大等问题,提出了一种新的食品图像识别模型China Food-CNN,以实现对食物的精准分类;在多分类损失函数Softmax With Loss的基础上,针...针对传统食品图像识别方法提取特征能力差、准确率差、运行效率差和卷积神经网络识别相似食品图像难度大等问题,提出了一种新的食品图像识别模型China Food-CNN,以实现对食物的精准分类;在多分类损失函数Softmax With Loss的基础上,针对食品图像类间相似性大的问题,提出了最大类间距损失函数(MCSWithLoss),以增大相似类之间的距离,实现相似类的区分;针对随机选取样本时的训练集冗余问题,在网络模型训练时使用负样本选择算法.实验结果表明:China Food-CNN模型对食品图像的识别准确率达69.2%,分别比Alex Net、VGG16、Res Net模型提升了17.6%、16.8%和3.6%.展开更多
