换一批基于改进MobileNetV3-Large食物图像分类算法研究
Research on Food Image Classification Algorithm based on Improved MobileNetV3-Large
摘要食物图像识别在食物安全监控、营养分析以及饮食推荐系统中发挥重要作用.然而,食物图像的多样性、复杂性以及光照等外部因素给识别任务带来了诸多难度和挑战.为了解决这些问题,提出了一种基于改进MobileNetV3-Large食物图像分类算法.在MobileNetV3-Large预训练模型基础上,引入PReLu激活函数和NAM注意力机制,通过捕捉图像中的非局部依赖关系来增强模型对关键特征的关注度;引入了多任务损失函数,通过同时优化多个相关任务来进一步提升分类性能;采用了 TrivialAugment 数据增强技术,通过扩展训练数据集的规模和多样性来增强模型的泛化能力.实验结果表明,通过这些改进,模型在Food-101 数据集上的准确率从 66.9%提升至 84.2%,证明了所提方法的有效性.
更多相关知识
关键词
MobileNetV3-LargeNAM注意力机制PReLu激活函数TrivialAugment数据增强MobileNetV3-LargeNAM attention mechanismPReLu activation functionTrivialAugment data augmentation
分类号
TS201.1
栏目名称
DOI
10.16210/j.cnki.1007-7561.2025.02.013
发布时间
2025-04-09（万方平台首次上网日期，不代表论文的发表时间）
- 浏览8
- 被引4
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
