基于卷积神经网络的饮食分类与识别.pptxVIP

?基于卷积神经网络的饮食分类与识别?——毕业设计答辩 ?目录1?课题背景研究内容实验结果对比分析2?3?4?总结与展望 ?1?课题背景现在的物质生活丰富但不加控制的饮食会影响身体健康控制饮食的有效方式记录摄入的食物 图?图1医2院手饮机食AP记P 录?1记录方式可穿戴照相机自动记录一天的行为这些方法需要参与者客观评价自己的行为自动识别食物照片过于乏味和繁琐减少了参与者的负担不能够提供准确详细的信息方便，准确图3 可穿戴照相机 一、传统的食物图像识别方法通常是 特征提取 + 分类器（SVM）缺点:1、受环境影响较大。易受光照、反射、位置的影响。2、提取到的是浅层特征，正确率不高。传统方法一般在60%~70%二、深度神经网络优点：1、神经网络能够提取初级、中级和高级特征。2、对尺度、光照不敏感。正确率较高。能做到80%~90%。缺点：为了能够提取到各种特征，神经网络通常设计的非常深，??导致网络参数量极大，需要消耗大量计算资源。普通的机器无法运行，无法移植到便携式设备。?2过去方法的不足 ?2?研究内容本课题要研究的是基于卷积神经网络的饮食分类与识别含有食物场景不含有食物场景 ?2?研究内容食物分类 ?2?研究内容1、在日常拍摄的照片中识别存在食物场景的图片并提取出来。2、识别出食物类别3、设计精简的网络 ?2?研究深度1、食物场景识别正确率达到90%以上食物分类正确率达到85%以上。