摘要
本发明涉及深度学习以及食品分析技术领域,具体指一种基于多尺度信息融合的食品营养评估方法,包括:分别提取食品RGB图像、深度图像的各个尺度的RGB图像特征、深度图像特征;设计多模态融合算法,融合每一尺度的RGB图像特征与深度图像特征,得到每一尺度的目标融合特征;设计基于双向特征金字塔的多尺度特征融合算法,增强每一尺度的目标融合特征,得到每一尺度的双向增强融合特征;基于各个尺度的双向增强融合特征,采用多任务学习,预测多种营养素。本发明引入深度图像特征来获取三维空间信息,提取图像特征,并通过多模态融合与双向特征金字塔融合算法,获得了语义信息与细节信息丰富的特征,可为营养评估提供了精确的结果。
技术关键词
融合特征
营养评估方法
多尺度信息
多任务学习模型
预测特征
营养素
全局平均池化
图像
双向特征金字塔
融合算法
表达式
通道
双线性插值
非线性
注意力
特征提取器
食品分析技术
多模态
三维空间信息
系统为您推荐了相关专利信息
医疗健康信息
循环神经网络算法
互联网
关键词
邻域
测绘地理信息
地理要素识别
分析方法
地物特征
输入多尺度
智能采茶机器人
局部路径规划
双模态
路径规划方法
融合注意力机制
注意力机制
图像分割方法
关节软骨损伤
偏振光
通道
负荷预测方法
预测特征
天气
数据
电力负荷预测技术