基于MaskR-CNN的菜品图像识别与分割

摘要：

菜品图像的检索与分类是最受关注的研究课题之一.我们使用的是一个简单,灵活和通用的目标分割框架Mask R-CNN,他不仅可以十分有效的识别出目标的种类并生成检测框,也生成高质量的掩码,将其分割出来.与图像分类方法相比,该方法可以直接找到目标物体,与Faster R-CNN模型相比,只增加了一个较小的开销.我们使用的自己制作的数据库来微调Mask R-CNN模型,提高检测的准确度.数据集是先使用爬虫从网上大量爬取中国菜品图片,然后用labelme工具进行一一标注,得到的16个种类,32000张菜品图片数据库.我们在这次实验中取得的较好的结果.

关键词：菜品图像、图像识别、深度学习、MaskR-CNN、卷积神经网络

在线出版日期：2019-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：129-130