CN114529790B 跨模态注意力机制的食品营养成分含量预测方法及系统 （山东师范大学）_第1页
CN114529790B 跨模态注意力机制的食品营养成分含量预测方法及系统 （山东师范大学）_第2页
CN114529790B 跨模态注意力机制的食品营养成分含量预测方法及系统 （山东师范大学）_第3页
CN114529790B 跨模态注意力机制的食品营养成分含量预测方法及系统 （山东师范大学）_第4页
CN114529790B 跨模态注意力机制的食品营养成分含量预测方法及系统 （山东师范大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

跨模态注意力机制的食品营养成分含量预本发明公开一种跨模态注意力机制的食品进行训练；对待测食品图像进行多模态特征提2对食品图像样本集标注营养成分及含量，以此对预测模型进行训对待测食品图像进行多模态特征提取，对每个模态的特征映射图进使用平均绝对误差和平均绝对误差的百分比评估营养成分含量训练模块，被配置为对食品图像样本集标注营养成分用ResNet-101网络提取食品图像的多模态特征，将提取的四个层级的RGB特征和深度特征特征处理模块，被配置为对待测食品图像进行多模态特征提3预测模块，被配置为根据融合后的特征图，采用预测模型得到待测9.一种电子设备，其特征在于，包括存储器和处4[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技所以这些应用程序和系统在准确性和高效性上[0004]目前，一些端到端的食品营养估计的方法，基于单张RGB图像进行营养含量的估[0009]对待测食品图像进行多模态特征提取，对每个模态的特征映射图进行注意力映5[0013]作为可选择的实施方式，对每个模态的特征映射图进行[0014]作为可选择的实施方式，将每个模态分支下的融合特征度与速度两个方面均能高效的预测营养素含量，满足对高效快捷的营养评估方法的需求，[0027]图1为本发明实施例1提供的跨模态注意力机制的食品营养成分含量预测方法流6备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过[0038]对待测食品图像进行多模态特征提取，对每个模态的特征映射图进行注意力映用ResNet-101网络提取食品图像的多模态特征，将提取的四个层级的RGB特征和深度特征conv5的输出作为AMFFNet网络的输入，然后经过RefineNet网络对AMFF网络的输出进行进7多层级的特征融合。RefineNet网络包括RefineNet-1、RefineNet-2、RefineNet-3、8分别表示经过注意力模块各个分支得到的对是数值型的，本实施例采用平均绝对误差MAE和平均绝对误差的百分比值衡量营养成分预9述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系[0086]实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件[0087]本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论