本申请涉及计算机视觉,尤其涉及一种餐品图像识别方法及装置、电子设备、存储介质。
背景技术:
1、当前,随着用户对饮食健康的日益重视,利用电子设备记录日常饮食,进行健康打卡成为越来越多用户的需求。然而,在实践中发现,传统的饮食记录功能往往需要用户在电子设备上手动输入每一餐的餐品、分量等信息,操作十分繁琐,使得用户进行饮食记录的过程非常不便,大大打击了用户进行日常健康打卡的积极性。
技术实现思路
1、本申请实施例公开了一种餐品图像识别方法及装置、电子设备、存储介质,能够便捷地对包含不同餐品的图像进行自动识别并计算热量,从而有利于提升用户利用电子设备记录饮食热量,实现日常健康打卡功能的效率以及便利性。
2、本申请实施例第一方面公开一种餐品图像识别方法,包括:
3、获取待识别的目标餐品图像;
4、将所述目标餐品图像输入训练好的餐品识别模型,并获取所述餐品识别模型输出的与所述目标餐品图像对应的餐品识别信息;其中,所述餐品识别模型为通过迁移学习训练得到的深度网络模型;
5、根据所述餐品识别信息,确定所述目标餐品图像对应的餐品热量信息。
6、本申请实施例第二方面公开一种餐品图像识别装置,包括:
7、图像获取单元,用于获取待识别的目标餐品图像;
8、模型识别单元,用于将所述目标餐品图像输入训练好的餐品识别模型,并获取所述餐品识别模型输出的与所述目标餐品图像对应的餐品识别信息;其中,所述餐品识别模型为通过迁移学习训练得到的深度网络模型;
9、信息确定单元,用于根据所述餐品识别信息,确定所述目标餐品图像对应的餐品热量信息。
10、本申请实施例第三方面公开了一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如本申请实施例第一方面公开的任意一种餐品图像识别方法中的全部或部分步骤。
11、本申请实施例第四方面公开了一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序被处理器执行时实现如本申请实施例第一方面公开的任意一种餐品图像识别方法中的全部或部分步骤。
12、与相关技术相比,本申请实施例具有以下有益效果:
13、本申请实施例中的餐品图像识别方法可以应用于电子设备,该电子设备可以通过获取待识别的目标餐品图像,以将该目标餐品图像输入训练好的餐品识别模型,并获取该餐品识别模型输出的与目标餐品图像对应的餐品识别信息。其中,上述餐品识别模型可以为通过迁移学习训练得到的深度网络模型。在此基础上,电子设备可以根据上述餐品识别信息,确定目标餐品图像对应的餐品热量信息。可见,实施本申请实施例,能够基于通过迁移学习训练得到的深度网络模型,对包含不同餐品的图像进行自动识别,进而可以便捷地计算热量,得到相应的餐品热量信息。这样的餐品图像识别方法,能够避免用户在进行饮食记录时,需手动输入餐品信息的繁琐操作,大大提升了用户进行饮食记录的效率,从而能够有效提升用户利用电子设备记录饮食热量,实现日常健康打卡功能的便利性。
1.一种餐品图像识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,在所述将所述目标餐品图像输入训练好的餐品识别模型之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述对样本餐品数据集进行预处理,得到目标验证数据集以及目标训练数据集,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标训练数据集对所述实验基准模型进行迁移学习,得到与所述实验基准模型对应的迁移网络模型,包括:
5.根据权利要求2所述的方法,其特征在于,所述对所述迁移网络模型进行模型调整,包括:
6.根据权利要求2所述的方法,其特征在于,在所述对所述迁移网络模型进行模型调整,以使模型调整后的迁移网络模型对所述目标验证数据集的验证精度满足目标验证条件,并将所述模型调整后的迁移网络模型确定为训练好的餐品识别模型之后,所述方法还包括:
7.根据权利要求1至6任一项所述的方法,其特征在于,所述餐品识别信息包括所述目标餐品图像中的一种或多种餐品对应的餐品识别结果,所述根据所述餐品识别信息,确定所述目标餐品图像对应的餐品热量信息,包括:
8.一种餐品图像识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。