《表1 测试环境:基于卷积神经网络的食品图像识别》
实验在Python3.5(64bit)平台上完成,具体测试开发环境如表1所示。所采用的图像由Kaggle平台提供(图像分辨率统一栺式化为384×384×3(RGB,uint8)),该平台是开发商和数据科学家用于举办机器学习竞赛、托管数据库、编写和分享代码的功能性平台,数据一般为企业或政府为解决面临问题而提供,可信度和质量较高。本研究利用该平台分享的图像数据集来验证基于卷积神经网络方法识别食品图像的有效性(数据集地址为https://www.vision.ee.ethz.ch/datasets_extra/food-101/)。原始采集得到的食品数据集包含101000张图像和101种食品类别,从中抽取20种食品图片,幵用脚本统一成256*256的分辨率,在此过程中脚本自动删除部分比例严重失调的图片,最终形成包含20种食品类别和19609张图片的新数据集,将其定义为数据集Food-101。实验数据集如表2所示,图3展示了Food-101数据集中的部分实验样本。
图表编号 | XD00105909600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 王博、刘俊康、陆逢贵、刘登勇、曹振霞 |
绘制单位 | 渤海大学食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心、渤海大学化学化工学院、大连民族大学信息与通信工程学院、渤海大学食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心、渤海大学食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心、江苏省肉类生产与加工质量安全控制协同创新中心、渤海大学食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心 |
更多格式 | 高清、无水印(增值服务) |