| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景研究及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 食物图像识别的研究现状 | 第12页 |
| 1.2.2 食物图像分类的研究现状 | 第12-13页 |
| 1.2.3 深度学习框架的研究现状 | 第13-14页 |
| 1.3 课题来源和研究内容 | 第14-16页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 研究内容及重难点分析 | 第14-16页 |
| 第2章 食物图像的识别方法 | 第16-24页 |
| 2.1 图像预处理 | 第16-18页 |
| 2.1.1 图像滤波 | 第16页 |
| 2.1.2 图像归一化 | 第16-18页 |
| 2.2 传统食物识别算法 | 第18-20页 |
| 2.2.1 图像特征 | 第18-19页 |
| 2.2.2 机器学习算法 | 第19-20页 |
| 2.3 基于神经网络的算法 | 第20-23页 |
| 2.3.1 深层神经网络 | 第21-22页 |
| 2.3.2 循环神经网络 | 第22页 |
| 2.3.3 卷积神经网络 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 卷积神经网络和目标检测算法 | 第24-35页 |
| 3.1 网络结构 | 第24-27页 |
| 3.1.1 卷积层 | 第24-25页 |
| 3.1.2 池化层 | 第25页 |
| 3.1.3 激活函数 | 第25-27页 |
| 3.1.4 全连接层 | 第27页 |
| 3.1.5 Softmax分类器 | 第27页 |
| 3.2 网络训练 | 第27-30页 |
| 3.2.1 全连接层 | 第28-29页 |
| 3.2.2 卷积层 | 第29页 |
| 3.2.3 池化层 | 第29-30页 |
| 3.3 目标检测算法 | 第30-34页 |
| 3.3.1 R-CNN | 第30-31页 |
| 3.3.2 SPP-Net | 第31-32页 |
| 3.3.3 FastR-CNN | 第32页 |
| 3.3.4 FasterR-CNN | 第32-33页 |
| 3.3.5 YOLO | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于卷积神经网络的食物识别和分类算法 | 第35-47页 |
| 4.1 食物图像识别和分类算法框架 | 第35-36页 |
| 4.2 精简网络的方法 | 第36-38页 |
| 4.2.1 深度可分离卷积 | 第36-38页 |
| 4.2.2 全局均值池化 | 第38页 |
| 4.3 食物识别算法 | 第38-43页 |
| 4.3.1 特征提取网络 | 第39页 |
| 4.3.2 多层融合检测网络 | 第39-42页 |
| 4.3.3 非极大值抑制法 | 第42页 |
| 4.3.4 bounding box回归 | 第42-43页 |
| 4.4 食物分类算法 | 第43-44页 |
| 4.5 算法的优化 | 第44-46页 |
| 4.5.1 Dropout技术 | 第44-45页 |
| 4.5.2 Batch Normalization | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 食物识别和分类方法的实现 | 第47-58页 |
| 5.1 TensorFlow的工作原理 | 第47-48页 |
| 5.2 TensorFlow深度学习框架的搭建 | 第48-49页 |
| 5.2.1 TensorFlow环境的准备 | 第48页 |
| 5.2.2 TensorFlow框架安装步骤 | 第48-49页 |
| 5.3 基于TensorFlow的食物识别和分类算法训练和测试 | 第49-55页 |
| 5.3.1 数据集的制作 | 第49-53页 |
| 5.3.2 网络模型的实现 | 第53-54页 |
| 5.3.3 网络的训练 | 第54-55页 |
| 5.3.4 网络的评估 | 第55页 |
| 5.4 食物识别和分类系统的实现 | 第55-57页 |
| 5.4.1 视频图像采集模块 | 第56页 |
| 5.4.2 食物识别和分类算法 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 实验结果分析 | 第58-67页 |
| 6.1 食物识别和分类算法实现环境 | 第58页 |
| 6.2 食物识别算法实验结果 | 第58-61页 |
| 6.2.1 算法的检测准确率 | 第58-60页 |
| 6.2.2 与其他方法的比较 | 第60-61页 |
| 6.3 食物分类算法实验结果 | 第61-64页 |
| 6.3.1 算法的检测准确率 | 第61-64页 |
| 6.3.2 与其他方法的比较 | 第64页 |
| 6.4 移动端测试 | 第64-65页 |
| 6.5 本章小结 | 第65-67页 |
| 第7章 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67-68页 |
| 7.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 | 第73页 |