论文部分内容阅读
近年来,随着智能家居概念的普及,智能家居的发展越来越快,很多智能的家居用品如智能冰箱、智能洗衣机等都逐渐融入了人们的生活。一些IT界巨头Google、微软等都在智能家居领域投入越来越多的精力和研究,国内企业如海尔、美的等也纷纷开始了智能产品的研发。其中,智能冰箱是智能家居中重要的一部分,而在智能冰箱中,食物识别这一技术占有非常重要的地位,智能冰箱中的很多应用都是基于对冰箱中存储的食物的识别来完成。 本文就食物识别这一问题进行了探讨,并完成了基于卷积神经网络的食物识别系统。本文主要完成了以下几个工作:1)针对传统的食物识别的研究,本文分析了以往研究的不足,提出了基于深度学习和卷积神经网络框架的解决方法。传统的食物识别的识别能力有限,只能识别出几十类上百类食物,本文的网络给出了基于1000种食物的实现。2)本文构建了基于卷积神经网络的训练框架并给出了具体实现。对训练框架的每一层以及网络中用到的技术细节和优化方法,我们给出了详细的说明,并写代码实现。3)本文对训练框架进行了大量的图片测试,经过多次测试,最终Top-1的识别率达到57%~60%。4)结合以上基于卷积神经网络的训练框架得到的训练结果,本文搭建了食物识别系统,来进行食物图片的上传和识别。 本文在最终的食物识别系统上传了食物图片并进行了测试,得到不错的识别效果。