食品图像识别方法综述

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.