融合多尺度特征及注意力机制的食品图像识别

来源：电子测量技术杂志2024年第18期北京时间：

作者：李苗苗，华才健，谢涛，薛青霞

单位：1.四川轻化工大学计算机科学与工程学院 宜宾 644000; 2.四川省大数据可视化分析技术工程实验室 宜宾 644000; 3.四川轻化工大学自动化与信息工程学院 宜宾 644000; 4.企业信息化与物联网测控技术四川省高等学校重点实验室 宜宾 644000

摘要：针对食品图像中类间差异小、类内差异大以及结构复杂导致识别难度大等问题，提出了一种融合多尺度特征及注意力机制的食品图像识别方法。首先，采用特征提取能力更强的ConvNeXt模型作为主干网络，以更好地捕捉食品图像的细节特征；其次，引入改进的ASPP模块，扩展感受野并利用多尺度信息，增强模型对不同尺度特征的捕捉能力；最后，在每个卷积块后加入注意力机制，提高特征表达和上下文信息捕捉能力。实验结果表明，所提方法在Vireo Food172扩展数据集和ETH Food101数据集上的准确率分别达到91.56%和87.22%，相比原模型分别提高了2.05%和1.66%，验证了该方法的有效性。

关键词：食品图像;ConvNeXt;多尺度特征;注意力机制

基金资助：四川轻化工大学科研创新团队计划 (SUSE652A006)、企业信息化与物联网测控技术四川省高校重点实验室(2022WYJ01)项目资助