典型文献
基于注意力机制的食物识别与定位算法
文献摘要：
随着食物检索、食物推荐和食物监测等应用需求的增加,食物的自动分析成为了研究的热点.由于食物种类多,存在类间差异小、类内差异大、多尺度等特点,食物识别和定位的准确率一直不高.并且目前很多研究,在食物分析任务中,推理速度慢,性能不佳.针对这些问题,结合注意力机制,提出了一个更优的主干网络,能更好地提取食物细粒度特征.同时对Neck部分进行研究,进行多尺度特征融合,提出了一种轻量级的端到端食物识别和定位框架FFAM(Feature Fusion of Attention Mechanism).在目前具有挑战性的公开数据集UNIMIB2016上的实验结果表明,该算法比目前的很多方法在精度上更具有优势,最终mAP达到了94.1％.由于得到的模型相比YOLOv4精度高且更小,在应对移动端、嵌入式设备中部署食物分析模型解决实际任务时,能有一个更好的性能表现.
文献关键词：
食物识别与定位;深度学习;注意力机制;特征融合;YOLO
中图分类号：
作者姓名：
彭耿;刘宁钟
作者机构：
南京航空航天大学 计算机科学与技术学院,江苏 南京 211106
文献出处：
引用格式：
[1]彭耿;刘宁钟-.基于注意力机制的食物识别与定位算法)[J].计算机技术与发展,2022(11):121-126
A类：
食物识别与定位,UNIMIB2016
B类：
注意力机制,定位算法,应用需求,自动分析,食物种类,类间差异小,类内差异,识别和定位,推理速度,速度慢,主干网络,取食,细粒度特征,Neck,多尺度特征融合,轻量级,端到端,FFAM,Feature,Fusion,Attention,Mechanism,公开数据集,比目,多方法,mAP,YOLOv4,移动端,嵌入式设备
AB值：
0.413883
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
