[发明专利]一种多尺度融合的食品图像分类模型训练及图像分类方法

权利要求书

1.一种训练食品图像分类模型的方法，其特征在于，所述方法包括：

步骤(1)、对带有类别标签的食品图像分别进行多尺度切割，形成包含原图像的多个尺度的食品图像；

步骤(2)、分别构建多个尺度的卷积神经网络模型，每个卷积神经网络模型对应一个尺度的食品图像；

步骤(3)、利用所述带有类别标签的食品图像及其多个尺度的食品图像作为训练数据，分别代入多个尺度的卷积神经网络模型进行特征提取；以及

步骤(4)、将所提取的多个尺度的食品图像的特征进行融合，基于融合特征对所述食品图像的类别进行预测并与相应标签进行比对，基于比对结果对所述多个尺度的卷积神经网络模型进行训练。

2.根据权利要求1所述的方法，其特征在于，

所述步骤(4)还包括利用预测的类别概率与真实的类别标签的交叉熵函数来进行卷积神经网络模型的优化。

3.根据权利要求1所述的方法，其特征在于，所述步骤(3)还包括提取出每张图片的最后一个池化层特征和最后一个全连接层的特征。

4.根据权利要求3所述的方法，其特征在于，所述步骤(3)还包括对原图像的特征进行正则化操作，对切割图像的特征进行最大池化，继而进行正则化操作。

5.据权利要求1所述的方法，其特征在于，所述步骤(4)还包括使用softmax分类器做类别预测。

6.根据权利要求1所述的方法，其特征在于，所述图像切割包括对于每一张图像，将图像的横向和纵向分别进行2^N等分，N为大于等于0的整数。

7.根据权利要求6所述的方法，其特征在于，对于每一张图像，将图像的横向和纵向分别进行4等分和16等分。

8.一种利用权利要求1-7之一的方法训练的模型进行食品图像分类的方法，包括：

1)将待分类食品图像作为目标图像，进行多尺度切割，形成包含原图像的多个尺度的食品图像；

2)待分类食品图像及其多个尺度的食品图像代入训练好的所述模型进行分类。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项所述的方法。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法。