【摘 要】
：
食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧餐饮、智能零售及智能家居等方面有着广泛的应用前景.为此,本文对食品图像识别领域进行了全面综述.该文首先从识别对象、视觉特征表示及学习方法等不同维度对目前的食品图像识别进行分类并深入阐述和分析
【机 构】
：
中国科学院智能信息处理重点实验室 北京 100190;中国科学院计算技术研究所 北京 100190;中国科学院大学 北京 100049
论文部分内容阅读
食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧餐饮、智能零售及智能家居等方面有着广泛的应用前景.为此,本文对食品图像识别领域进行了全面综述.该文首先从识别对象、视觉特征表示及学习方法等不同维度对目前的食品图像识别进行分类并深入阐述和分析了当前的研究进展,指出深度学习模型是当前食品图像识别的主流方法,融入各种上下文信息和外部知识是改进食品图像识别的重要手段.其次从食品数据规模、食品类型及是否包含上下文和多模态信息等方面介绍了现有的食品图像识别数据集,并给出了不同识别方法在主流数据集上的性能对比和分析.接下来总结了食品图像识别在饮食质量评估、食品自动结算、智能厨具、食品图像的组织检索和推荐等多个方面的应用情况.最后本文从面向食品特点的食品图像识别方法、大规模食品图像识别基准数据集构建等方面对食品图像识别未来可能的研究方向进行了总结和展望.
其他文献
时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预测性能的同时保证局部单变量的预测精度.针对现有多变量时间序列预测算法不能保障局部变量预测精度的局限性,我们设计并实现了一种基于自演化预训练的多变量时间序列预测算法SEPNets.基于预训练的
为了解卵形巴贝斯虫吉林株HSP70基因的结构及功能特性,采用PCR方法对其HSP70基因进行扩增测序及系统进化分析.结果:结构分析显示,卵形巴贝斯虫吉林株HSP70基因片段大小为1947 bp;测序结果显示,卵形巴贝斯虫吉林株HSP70基因与卵形巴贝斯虫日本株(XM_029011319)同源性为99.8％,与双芽巴贝斯虫同源性为95.12％,与牛巴贝斯虫同源性为86.72％;系统进化树分析表明,卵形巴贝斯虫吉林株与双芽巴贝斯虫亲缘关系较近,与牛巴贝斯虫及其他虫种亲缘关系较远.
大数据场景下,远程云服务器通常被部署用于数据处理与价值挖掘,但在面对时延敏感型或需要动态频繁交互的业务时,该种处理模式显得力不从心.作为对云计算模式的补充,雾计算因其可有效降低任务处理时延、能耗与带宽消耗而备受关注;同时,面向雾计算的计算迁移机制因其能有效缓解节点的处理负担并改善用户体验而成为领域研究焦点.在雾计算模式下,为了更好地满足计算密集型任务对时延与能耗的要求,基于区块链赋能物联网场景,本文提出了一种联合资源分配与控制的智能计算迁移方案.具体地,规划了一个在时延、能耗与资源约束下的最小化所有任务完
针对电主轴运转过程中流量设计对主轴温升、寿命影响的问题,对电主轴冷却系统流量对主轴温度的影响进行了仿真分析和测试研究.首先,基于实际的电主轴使用情况,将其工况划分为低转速小扭矩、空载最高转速、低速最大扭矩3种工况,并对不同工况下主轴各关键部件的发热量进行了计算;然后,建立了主轴整机的温度场有限元仿真模型,将最佳流量的分析细化至了主轴的常用切削工况上,同时为避免主轴因流量供给不足造成寿命缩短、故障等问题,提出了最低流量的计算方法;最后,搭建了电主轴温升试验测试平台,对常用工况下主轴各关键部位的温升进行了测试
空间并置(co-location)模式挖掘是指在大量的空间数据中发现一组空间特征的子集,这些特征的实例在地理空间中频繁并置出现.传统的空间并置模式挖掘算法通常采用逐阶递增的挖掘框架,从低阶模式开始生成候选模式并计算其参与度(空间并置模式的频繁性度量指标).虽然这种挖掘框架可以得到正确和完整的结果,但是带来的时间和空间开销非常大.此外传统方法对于空间并置模式的最小频繁性阈值较为敏感,当最小频繁性阈值改变时整个挖掘过程需要重新进行.因此,本文提出一种基于极大团和哈希表的空间并置模式挖掘算法CPM-MCHM(C
为掌握铜仁市家禽高致病性禽流感病毒的感染情况,及时研判疫情风险,保障养禽业的健康发展,2020年12月至2021年3月在全市10个县(区)随机选择1个规模场(或种禽场)、1个活禽交易市场(或禽屠宰点),采集咽肛双棉拭子样品和环境拭子样品共计890份,通过实时荧光定量PCR方法检测高致病性禽流感病毒(H5、H7亚型).结果:13个家禽规模场和9个活禽交易市场全部样品的高致病性禽流感病毒(H5、H7亚型)核酸检测均为阴性.结论:2020—2021年冬春季铜仁市养殖家禽无高致病性禽流感病毒(H5、H7亚型)感染
文章介绍了对贵州省沿河土家族自治县客田镇浦井村发生的1起山羊布鲁氏菌病疫情的处置情况,按照“早、快、严、小”的处置原则,通过封锁疫点、扑杀阳性羊、无害化处理污染物、全场消毒等综合防控措施,及时扑灭了疫情.对全县开展羊布鲁氏菌病监测,共监测羊场109个,监测血清样品7378份,检出布鲁氏菌病阳性场13个,群体阳性率11.93％;检出布鲁氏菌病抗体阳性血清160份,个体阳性率2.17％.对阳性场每月进行全群复检,及时淘汰阳性羊,直至无阳性羊检出为止,控制了疫情扩散蔓延.
边缘计算模式满足数据的实时和低功耗处理需求,是缓解当前网络数据洪流实时处理问题的有效方法之一.但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战.目前,边缘计算任务调度研究主要集中在调度算法的设计与仿真,这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性,不能使多样化的边缘任务与异构的资源能力深度匹配.本文针对边缘计算系统资源异构且受限的特性,研究边缘任务与目标设备资源深度匹配的有效方法,提出基于任务资源匹配、负载均衡和任务公平性的综合匹配度评估方法(integrative mat
文章介绍了马骨关节炎的特点、发病原因及治疗药物,比较各药物在治疗中存在的优劣,提出马骨关节炎要以预防为主,降低使役强度和频率,从而减少发病率,降低治疗成本.
三维模板跟踪旨在将预先构建的三维CAD模型与输入图像中的相应目标进行精确配准,在增强现实、机器人等领域具有重要的应用,也是计算机视觉领域的关键问题之一.近年来,三维模板跟踪的准确率和稳定性都得到了持续提升,但仅有少量的工作关注三维模板跟踪数据集的构建.随着深度学习的普及,各领域中大规模数据集的构建越来越被重视,为算法的训练、测试和评估奠定了基础,极大地推动了相关领域的发展.以往的三维模板跟踪数据集大多存在规模有限,画面不够自然、真实,多样性不足等问题.基于此,本文创建了一个大规模的基于真实感渲染的三维模板