[发明专利]用于识别菜品的方法和装置

权利要求书

1.一种用于识别菜品的方法，包括：

获取待识别图像；

将所述待识别图像输入预先训练的第一菜品识别模型，得到第一识别结果，其中，所述第一识别结果包括所述待识别图像中存在菜品的概率和不存在菜品的概率，所述第一菜品识别模型用于表征图像与第一识别结果之间的对应关系；

基于所得的第一识别结果，确定所述待识别图像中是否存在菜品；

若存在菜品，则将所述待识别图像输入预先训练的第二菜品识别模型，得到第二识别结果，基于所述第二识别结果生成第三识别结果，并输出所述第三识别结果，其中，所述第二识别结果包括所述待识别图像中存在指定的菜品类别集合中的每个菜品类别下的菜品的概率，所述第二菜品识别模型用于表征图像与第二识别结果之间的对应关系。

2.根据权利要求1所述的方法，其中，所述第二菜品识别模型是通过对预设的卷积神经网络进行训练得到的，所述卷积神经网络包括卷积层、池化层、全连接层和损失层，其中，所述卷积层包括用于提取与菜品中的食材相关的图像特征的卷积层和用于提取与菜品相关的图像特征的卷积层，所述损失层用于基于接收到的与菜品中的食材相关的图像特征和与菜品相关的图像特征计算损失。

3.根据权利要求2所述的方法，其中，所述卷积神经网络是通过以下训练步骤训练得到的：

获取预置的样本图像集合和与所述样本图像集合中的每个样本图像对应的标签信息，其中，该样本图像是显示有菜品的图像，所述标签信息包括用于指示该样本图像显示的菜品所归属的菜品类别的第一标签和用于指示该菜品包含的食材所归属的食材类别的第二标签；

利用机器学习方法，基于所述样本图像集合、所述样本图像集合中的每个样本图像所对应的标签信息、预设的分类损失函数和反向传播算法对所述卷积神经网络进行训练，得到第二菜品识别模型。

4.根据权利要求1所述的方法，其中，所述基于所述第二识别结果生成第三识别结果，包括：

按照数值大小，从所述待识别图像中存在所述菜品类别集合中的菜品类别下的菜品的概率中选取概率，并将选取出的概率和该概率所对应的菜品类别的名称生成第三识别结果。

5.根据权利要求4所述的方法，其中，所述按照数值大小，从所述待识别图像中存在所述菜品类别集合中的菜品类别下的菜品的概率中选取概率，包括：

按照数值由大到小的顺序，对所述待识别图像中存在所述菜品类别集合中的菜品类别下的菜品的概率进行排序，得到概率序列；

从所述概率序列的首部开始选取预置数目个概率。

6.根据权利要求4所述的方法，其中，所述按照数值大小，从所述待识别图像中存在所述菜品类别集合中的菜品类别下的菜品的概率中选取概率，还包括：

从所述待识别图像中存在所述菜品类别集合中的菜品类别下的菜品的概率中选取不小于概率阈值的概率。

7.根据权利要求1所述的方法，其中，所述方法还包括：

若所述待识别图像中不存在菜品，则生成用于指示所述待识别图像中不存在菜品的文本信息，将所述文件信息和所述待识别图像中不存在菜品的概率生成第四识别结果，并输出所述第四识别结果。

8.根据权利要求1所述的方法，其中，所述方法还包括：

将所述待识别图像作为新的样本图像进行存储。