[論文レビュー] Fine-Tuning VGG Neural Network For Fine-grained State Recognition of Food Images

Kaoutar Ben Ahmed, Ahmad Babaeian Jelodar|arXiv (Cornell University)|Sep 8, 2018

Advanced Chemical Sensor Technologies参考文献 15被引用数 5

ひとこと要約

本論文では、7つの食品カテゴリにまたがる5,978枚の画像からなる小規模で手作業でアノテートされたデータセットを用いて、事前学習されたVGGニューラルネットワークのファインチューニングにより、細分化された食品状態認識を提案する。転移学習とデータオーグメンテーションを活用することで、限られた学習データにもかかわらず高い精度を達成し、畳み込みニューラルネットワーク（CNN）が細分化された食品状態分類タスクにおいて有効であることを示している。

ABSTRACT

State recognition of food images can be considered as one of the promising applications of object recognition and fine-grained image classification in computer vision. In this paper, evidence is provided for the power of convolutional neural network (CNN) for food state recognition, even with a small data set. In this study, we fine-tuned a CNN initially trained on a large natural image recognition dataset (Imagenet ILSVRC) and transferred the learned feature representations to the food state recognition task. A small-scale dataset consisting of 5978 images of seven categories was constructed and annotated manually. Data augmentation was applied to increase the size of the data.

研究の動機と目的

• 限られたアノテート済みデータを用いた細分化された食品状態認識の課題に取り組む。
• 事前学習された畳み込みニューラルネットワーク（CNN）を用いた転移学習の有効性を、食品画像分類タスクにおいて評価する。
• 7つのカテゴリにまたがる5,978枚の食品画像からなる小規模で高品質なデータセットを構築およびアノテートする。
• データオーグメンテーションとVGGネットワークのファインチューニングを通じて、分類性能を向上させる。

提案手法

• ImageNet ILSVRCで事前学習されたVGGニューラルネットワークを、食品状態認識に向けたファインチューニングする。
• ImageNetから学習された特徴表現を、食品状態分類タスクに転送する。
• 7つのカテゴリにまたがる5,978枚の手作業でアノテートされた食品画像からなるカスタムデータセットを作成する。
• データオーグメンテーション技術を適用して、学習データの多様性を高め、モデルの汎化性能を向上させる。
• 最終分類層を置き換えた後、食品データセット上でネットワークをエンドツーエンドで訓練する。
• テストセットにおける精度などの標準的な指標を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 限られた学習データで事前学習されたVGGネットワークが、細分化された食品状態認識で高い性能を達成できるか？
• RQ2 ImageNetからの転移学習は、食品状態の微細な差を分類するためにどの程度有効か？
• RQ3 データオーグメンテーションは、小規模な食品画像データセットにおいて、モデルの汎化性能をどの程度向上させるか？
• RQ4 ファインチューニングは、食品状態分類のためのCNNの性能にどのような影響を与えるか？
• RQ5 構築されたデータセットの7つの異なる食品カテゴリにおいて、モデルの性能はどのように変動するか？

主な発見

• 限られた学習サンプルにもかかわらず、ファインチューニングされたVGGモデルは、小規模な食品状態データセットで高い分類精度を達成した。
• ImageNetからの転移学習により、初期化から学習を開始するのと比較して、性能が顕著に向上した。
• データオーグメンテーションは、学習データの多様性を効果的に高め、モデルの頑健性を向上させた。
• アノテート済みデータセットの全7つの食品カテゴリにおいて、モデルは強力な汎化性能を示した。
• 本研究は、小規模で丁寧に選別されたデータセットを用いた転移学習によって、細分化された食品状態認識が実現可能であることを確認した。