基于注意力机制的食物识别与定位算法

来源：计算机技术与发展杂志2022年第11期北京时间：

作者：彭耿;刘宁钟

摘要：随着食物检索、食物推荐和食物监测等应用需求的增加,食物的自动分析成为了研究的热点。 由于食物种类多,存在类间差异小、类内差异大、多尺度等特点,食物识别和定位的准确率一直不高。 并且目前很多研究,在食物分析任务中,推理速度慢,性能不佳。 针对这些问题,结合注意力机制,提出了一个更优的主干网络,能更好地提取食物细粒度特征。 同时对 Neck 部分进行研究,进行多尺度特征融合,提出了一种轻量级的端到端食物识别和定位框架 FFAM( FeatureFusion of Attention Mechanism) 。 在目前具有挑战性的公开数据集 UNIMIB2016 上的实验结果表明,该算法比目前的很多方法在精度上更具有优势,最终 mAP 达到了 94. 1% 。 由于得到的模型相比 YOLOv4 精度高且更小,在应对移动端、嵌入式设备中部署食物分析模型解决实际任务时,能有一个更好的性能表现。

关键词：食物识别与定位;深度学习;注意力机制;特征融合;YOLO