[论文解读] FoodX-251: A Dataset for Fine-grained Food Classification
本文介绍 FoodX-251，这是一个来自网页的大规模数据集，包含 251 个细粒度食品类别和 158k 张图像，并提供用于验证和测试集的人类验证标签，还给出使用 ResNet-101 的基线结果。
Food classification is a challenging problem due to the large number of categories, high visual similarity between different foods, as well as the lack of datasets for training state-of-the-art deep models. Solving this problem will require advances in both computer vision models as well as datasets for evaluating these models. In this paper we focus on the second aspect and introduce FoodX-251, a dataset of 251 fine-grained food categories with 158k images collected from the web. We use 118k images as a training set and provide human verified labels for 40k images that can be used for validation and testing. In this work, we outline the procedure of creating this dataset and provide relevant baselines with deep learning models. The FoodX-251 dataset has been used for organizing iFood-2019 challenge in the Fine-Grained Visual Categorization workshop (FGVC6 at CVPR 2019) and is available for download.
研究动机与目标
- 动机：推动大规模、细粒度食品数据集以促进食品分类的深度学习研究。
- 描述 FoodX-251 的创建与清洗过程，包括处理来自网页的噪声。
- 提供基线结果以在一个具有挑战性且多样的食品数据集上为未来方法建立基准。
提出的方法
- 通过扩展 Food-101 并结合 WordNet 同源词和人工筛选，收集 251 个细粒度食品类别。
- 为每个类别下载网页图片，并应用重复项移除和噪声过滤（跨领域和跨类别）。
- 对每个类别的随机样本进行人工验证以产生干净的验证集和测试集划分（12k 验证，28k 测试；40k 可用的带验证的样本）。
- 使用受 ILSVRC 启发的简单评估指标：top-3 标签准确率，其中若任意预测标签与真实标签匹配则该图像误差为 0，否则为 1。
- 给出使用 ResNet-101 的两种微调策略的基线深度学习结果（最后一层微调 vs 全层微调）。
- 展示基线性能以推动在 FGVC 风格的食品识别挑战上的进一步研究。
实验结果
研究问题
- RQ1是否可以通过从网络来源收集的大规模细粒度食品数据集来支持训练最先进的深度学习模型？
- RQ2来自网页的食品图像中的噪声与模糊性如何影响标注和模型性能？
- RQ3标准架构在 FoodX-251 上能达到怎样的基线性能，微调范围如何影响结果？
主要发现
- FoodX-251 共有 251 个类别和 158k 张图像，其中 118k 训练、12k 验证、28k 测试图像；40k 图像具有人工验证标签。
- 基线 ResNet-101 的结果显示最后一层微调和全网络微调之间存在显著差距，全部层微调时 top-3 错误从 0.37 降至 0.17。
- 在本细粒度任务中，全网络微调相比最后一层微调带来显著的性能提升。
- 该数据集被用于在 CVPR 2019（FGVC6）上组织 iFood-2019 FGVC 工作坊挑战。
- FoodX-251 提供了一个具有杂多菜系和高类内相似性的挑战性基准，适合评估细粒度食品分类器。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。