CN110084642A - 基于目标检测和图像检索的菜品识别方法 - Google Patents
基于目标检测和图像检索的菜品识别方法 Download PDFInfo
- Publication number
- CN110084642A CN110084642A CN201910315763.8A CN201910315763A CN110084642A CN 110084642 A CN110084642 A CN 110084642A CN 201910315763 A CN201910315763 A CN 201910315763A CN 110084642 A CN110084642 A CN 110084642A
- Authority
- CN
- China
- Prior art keywords
- vegetable
- feature
- target detection
- search library
- consumer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000000284 extract Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 abstract description 2
- 238000011176 pooling Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000013016 learning Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
- G06Q20/208—Input by product or record sensing, e.g. weighing or scanner processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
基于目标检测和图像检索的菜品识别方法,属于菜品识别技术领域。本发明为了实现一种智能收银系统,使得在食堂里买饭的消费者可以通过该系统自助计钱并结账,食堂工作人员仅需要在必要的时候参与到结账的流程。本发明包括步骤1:注册检索库;步骤2:对输入包含消费者所选菜品的托盘图像做目标检测,并框处菜品区域;步骤3:对步骤2所框出的区域提取特征,判断出这个框里的菜品是什么种类;步骤4:重复步骤3,得出消费者所有所购菜品的种类,进一步得到消费总金额。本发明模型对食堂新加的菜品具有鲁棒性,不会像检测模型一样只能做固定类别的分类任务;有效的解决模型训练数据集和真实场景数据不同域的问题。
Description
技术领域
本发明涉及一种菜品识别方法,具体涉及一种基于目标检测和图像检索的菜品识别方法。
背景技术
传统的菜品识别系统大多基于餐盘的颜色形状等,不同的餐盘对应不同的价格,这种方式有一定局限性:不同价格的菜品需要准备不同的餐盘,消费者使用时也要受到这种规则的约束。而基于语义特征则不受餐盘的限制,仅依靠菜品本身的特征去做类别的区分和判断。
发明内容
本发明的目的是为了实现一种智能收银系统,使得在食堂里买饭的消费者可以通过该系统自助计钱并结账,食堂工作人员仅需要在必要的时候参与到结账的流程,进而提供基于目标检测和图像检索的菜品识别方法。
本发明的技术方案:
本发明提供基于目标检测和图像检索的菜品识别方法,包括步骤如下:
步骤1:注册检索库,对不同种类的菜品图通过训练完成的深度模型提取特征,并注册进入检索库,确保每类菜品在检索库中都有对应的特征;
步骤2:对输入包含消费者所选菜品的托盘图像做目标检测,这里的目标检测为前景背景的目标检测,判断目标区域是否为菜品,若是菜品,则框出该区域;
步骤3:对步骤2所框出的区域提取特征,将该特征和检索库中的特征一一计算相似度,根据检索库中与之相似度最大的特征所对应的菜品ID判断出这个框里的菜品是什么种类;
步骤4:重复步骤3,可以得出消费者所有所购菜品的种类,进一步得到消费总金额。
进一步地、步骤3中,图像检索阶段根据检测阶段的结果,将多个检测到的菜品的框从原图中裁剪出来并提取特征,计算该特征与检索库中的所有特征的相似度打分,其相似的打分公式为:
式中,Sim(a,b)指裁剪的菜品特征a向量和检索库特征b矩阵的余弦相似度。
进一步地、注册检索库流程中,支持菜品检索库的在线特征注册,删除,清空等操作,食堂工作人员可以根据每天的菜单安排,按需对检索特征库内容进行调整,比如将菜单上新的菜品注册入库,或者删掉冗余菜品的特征以提高检索速度。
本发明的有益效果:传统的食堂智能收银系统有很多实现方式,但是各有缺点,基于射频技术系统成本比较高;基于餐盘颜色和形状则需要消费者适应对应的餐盘使用规则;基于低层视觉特征如SIFT、SURF精确度低。本发明基于深度学习,使用Faster R-CNN 识别菜品区域,且不同于单一的目标检测系统,而是在目标检测的基础上提取菜品的特征,用于下一阶段的检索,这么做的好处有:模型对食堂新加的菜品具有鲁棒性,不会像检测模型一样只能做固定类别的分类任务;有效的解决模型训练数据集和真实场景数据不同域的问题,食堂可以自主管理特征库,通过现场环境下拍摄图片注册特征,这样特征库和系统现场工作时提取的特征均来自于相同的场景,这样再通过计算特征的相似度可以得到较高的准确率。
附图说明
图1是基于目标检测和图像检索的菜品识别方法的识别流程图。
具体实施方式
下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本发明提供基于目标检测和图像检索的算法框架,包括步骤如下:
步骤1:注册检索库,对不同种类的菜品图通过训练完成的深度模型提取特征,并注册进入检索库,确保每类菜品在检索库中都有对应的特征;
步骤2:对输入包含消费者所选菜品的托盘图像做目标检测,这里的目标检测为前景背景的目标检测,判断目标区域是否为菜品,若是菜品,则框出该区域;
步骤3:对步骤2所框出的区域提取特征,将该特征和检索库中的特征一一计算相似度,根据检索库中与之相似度最大的特征所对应的菜品ID判断出这个框里的菜品是什么种类;
步骤4:重复步骤3,可以得出消费者所有所购菜品的种类,进一步得到消费总金额。
进一步地、步骤3中,图像检索阶段根据检测阶段的结果,将多个检测到的菜品的框从原图中裁剪出来并提取特征,计算该特征与检索库中的所有特征的相似度打分,其相似的打分公式为:
式中,Sim(a,b)指裁剪的菜品特征a向量和检索库特征b矩阵的余弦相似度。
本发明旨在自动化餐饮行业的收银流程,提出了基于目标检测和图像检索的两阶段算法框架。检测阶段负责菜品定位,用检测框标出所有菜品位置;检索阶段负责识别,输出所有菜品的类别,继而算出用户此次消费的账单。下面将本发明方法实现的系统(简称本系统)整体构架从网络的训练阶段和使用阶段两个方面介绍:
一,模型设计与训练
本系统的深度网络模型基于目标检测的框架,Faster R-CNN的做法是在RoIPooling 之后对提取的Proposal的特征做分类以及回归的精修,一下简称这个分支为检测分支。本系统在RoI Pooling之后,添加了一支和检测分支并行的分支,称之为检索分支。检测分支仅用于检测任务,分类时仅需要判断当前Proposal是否为菜品,即前景和背景的二分类任务,而不需要判断菜品本身是哪种菜,这种方式降低了检测任务的学习难度。检索分支用于提取对应Proposal的语义特征,训练时当作多分类任务来处理,本系统的深度网络模型基于目标检测的框架,Faster R-CNN的做法是在RoI Pooling之后对提取的Proposal的特征做分类以及框的坐标的回归,以下简称这个分支为检测分支。本系统在RoI Pooling之后,添加了一支和检测分支并行的分支,称之为检索分支。
二,系统工作流程
食堂在实际使用本系统时基于英伟达的Jetson TX2硬件环境,本系统提供的注册特征相关接口有:
1.输入图像,检测图像中是否有菜品,若有则返回菜品检测框的坐标。
2.输入原图和检测框的坐标,基于检测框做RoI Pooling提取图像对应区域特征。
3.输入特征和对应ID,将该特征注册进入特征库。
4.删除特征库中的某个ID的所有特征。
5.清空整个特征库。
在注册特征完成后,系统便可以正常工作,解析输入图片的接口为:检测分支会以坐标的形式得到这幅图像中菜品所在的检测框,系统在得到检测框后自动对这些框做RoIPooling,随后经过检索分支得到所有检测到的菜品的特征,再用这些特征去做检索,即和检索库中所有ID对应的所有特征做相似度计算,返回相似度最高的特征对应的ID。综上,本系统运作遵循以下流程:
步骤a:开机之后系统会载入模型,并初始化菜品特征库,初始化的特征库为空,可使用系统提供的接口在线注册菜品特征,对应ID的菜品特征在提取完成后可以离线保存,下次开机可以直接将其注册入库。
步骤b:对消费者所购菜品拍摄照片,作为模型的输入,调用解析接口,得到菜品ID之后,即可算出最后的账单。
步骤c:当前消费者结帐后系统进入待机状态,等待为下一个消费者拍摄托盘照片,之后重复步骤b。
本发明的实施例,支持菜品检索库的在线特征注册,删除,清空等操作,食堂工作人员可以根据每天的菜单安排,按需对检索特征库内容进行调整,比如将菜单上新的菜品注册入库,或者删掉冗余菜品的特征以提高检索速度。
本发明的实施例,模型有很强的鲁棒性,食堂可以不断添加新菜品到菜单且不需要重新训练模型。如果仅仅基于目标检测的框架,则仅能识别训练样本中出现过的菜品类别,这也就意味着不同的食堂和不同的菜单都要去训练不同的模型,需要巨大的工作量和资源消耗。相较而言,本算法框架不会因为食堂菜单变动频繁而难以部署。
本发明的实施例,目标检测和图像检索共用一个模型,即一个模型既可以检测图像中的菜品,还可以通过检测到的框提取其对应特征用于下一阶段的检索,通过这种方式,图像前传一次便可以得到最终结果,很大程度上节省了整个流程的耗时。
本实施方式只是对本专利的示例性说明,并不限定它的保护范围,本领域技术人员还可以对其局部进行改变,只要没有超出本专利的精神实质,都在本专利的保护范围内。
Claims (2)
1.基于目标检测和图像检索的菜品识别方法,其特征在于:包括步骤如下:
步骤1:注册检索库,对不同种类的菜品图通过训练完成的深度模型提取特征,并注册进入检索库,确保每类菜品在检索库中都有对应的特征;
步骤2:对输入包含消费者所选菜品的托盘图像做目标检测,这里的目标检测为前景背景的目标检测,判断目标区域是否为菜品,若是菜品,则框出该区域;
步骤3:对步骤2所框出的区域提取特征,将该特征和检索库中的特征一一计算相似度,根据检索库中与之相似度最大的特征所对应的菜品ID判断出这个框里的菜品是什么种类;
步骤4:重复步骤3,可以得出消费者所有所购菜品的种类,进一步得到消费总金额。
2.根据权利要求1所述的基于目标检测和图像检索的菜品识别方法,其特征在于:步骤3中,图像检索阶段根据检测阶段的结果,将多个检测到的菜品的框从原图中裁剪出来并提取特征,计算该特征与检索库中的所有特征的相似度打分,其相似的打分公式为:
式中,Sim(a,b)指裁剪的菜品特征a向量和检索库特征b矩阵的余弦相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910315763.8A CN110084642A (zh) | 2019-04-19 | 2019-04-19 | 基于目标检测和图像检索的菜品识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910315763.8A CN110084642A (zh) | 2019-04-19 | 2019-04-19 | 基于目标检测和图像检索的菜品识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084642A true CN110084642A (zh) | 2019-08-02 |
Family
ID=67415684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910315763.8A Pending CN110084642A (zh) | 2019-04-19 | 2019-04-19 | 基于目标检测和图像检索的菜品识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084642A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852733A (zh) * | 2019-10-22 | 2020-02-28 | 杭州效准智能科技有限公司 | 一种基于rfid融合菜品图像匹配识别的智能餐饮结算系统 |
CN110889429A (zh) * | 2019-10-22 | 2020-03-17 | 杭州效准智能科技有限公司 | 一种基于深度学习的智能菜品匹配识别方法 |
CN111161295A (zh) * | 2019-12-30 | 2020-05-15 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
CN111274986A (zh) * | 2020-02-10 | 2020-06-12 | 青岛联合创智科技有限公司 | 一种基于图像分析的菜品识别分类方法 |
CN111382280A (zh) * | 2020-03-12 | 2020-07-07 | 中奥科技发展(深圳)有限公司 | 基于数字化菜品的搜索方法、系统及介质 |
CN111640267A (zh) * | 2020-04-16 | 2020-09-08 | 浙江口碑网络技术有限公司 | 一种自助结算方法、装置、存储介质及计算机设备 |
CN111680603A (zh) * | 2020-05-28 | 2020-09-18 | 浙江师范大学 | 一种菜品检测和识别方法 |
CN111753690A (zh) * | 2020-06-15 | 2020-10-09 | 神思电子技术股份有限公司 | 一种菜品托盘识别方法及基于该方法的菜品识别方法 |
CN112115901A (zh) * | 2020-09-25 | 2020-12-22 | 广州市派客朴食信息科技有限责任公司 | 一种高准确度的食物识别方法 |
CN112348505A (zh) * | 2020-11-06 | 2021-02-09 | 浙江云澎科技有限公司 | 一种无感支付运行管理系统及其使用方法 |
CN113033706A (zh) * | 2021-04-23 | 2021-06-25 | 广西师范大学 | 基于视觉目标检测和重识别的多源两阶段菜品识别方法 |
WO2022088603A1 (zh) * | 2020-10-28 | 2022-05-05 | 北京妙医佳健康科技集团有限公司 | 一种物品识别方法、装置及存储介质 |
CN114638980A (zh) * | 2022-03-04 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 菜品种类识别处理方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521366A (zh) * | 2011-12-16 | 2012-06-27 | 华中科技大学 | 融合分类与全局索引的图像检索方法和图像检索系统 |
CN106649487A (zh) * | 2016-10-09 | 2017-05-10 | 苏州大学 | 基于兴趣目标的图像检索方法 |
CN107122730A (zh) * | 2017-04-24 | 2017-09-01 | 乐金伟 | 自选餐厅自动计价方法 |
CN107844790A (zh) * | 2017-11-15 | 2018-03-27 | 上海捷售智能科技有限公司 | 一种基于图像识别的菜品识别与收银系统及方法 |
JP2018169972A (ja) * | 2017-03-30 | 2018-11-01 | Kddi株式会社 | 検索結果による学習が可能な対象検出装置、検出モデル生成装置、プログラム及び方法 |
CN109325967A (zh) * | 2018-09-14 | 2019-02-12 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、介质以及设备 |
CN109508664A (zh) * | 2018-10-26 | 2019-03-22 | 浙江师范大学 | 一种基于深度学习的菜品识别计价方法 |
-
2019
- 2019-04-19 CN CN201910315763.8A patent/CN110084642A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521366A (zh) * | 2011-12-16 | 2012-06-27 | 华中科技大学 | 融合分类与全局索引的图像检索方法和图像检索系统 |
CN106649487A (zh) * | 2016-10-09 | 2017-05-10 | 苏州大学 | 基于兴趣目标的图像检索方法 |
JP2018169972A (ja) * | 2017-03-30 | 2018-11-01 | Kddi株式会社 | 検索結果による学習が可能な対象検出装置、検出モデル生成装置、プログラム及び方法 |
CN107122730A (zh) * | 2017-04-24 | 2017-09-01 | 乐金伟 | 自选餐厅自动计价方法 |
CN107844790A (zh) * | 2017-11-15 | 2018-03-27 | 上海捷售智能科技有限公司 | 一种基于图像识别的菜品识别与收银系统及方法 |
CN109325967A (zh) * | 2018-09-14 | 2019-02-12 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、介质以及设备 |
CN109508664A (zh) * | 2018-10-26 | 2019-03-22 | 浙江师范大学 | 一种基于深度学习的菜品识别计价方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889429A (zh) * | 2019-10-22 | 2020-03-17 | 杭州效准智能科技有限公司 | 一种基于深度学习的智能菜品匹配识别方法 |
CN110852733A (zh) * | 2019-10-22 | 2020-02-28 | 杭州效准智能科技有限公司 | 一种基于rfid融合菜品图像匹配识别的智能餐饮结算系统 |
CN111161295A (zh) * | 2019-12-30 | 2020-05-15 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
CN111161295B (zh) * | 2019-12-30 | 2023-11-21 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
CN111274986B (zh) * | 2020-02-10 | 2022-07-01 | 青岛联合创智科技有限公司 | 一种基于图像分析的菜品识别分类方法 |
CN111274986A (zh) * | 2020-02-10 | 2020-06-12 | 青岛联合创智科技有限公司 | 一种基于图像分析的菜品识别分类方法 |
CN111382280A (zh) * | 2020-03-12 | 2020-07-07 | 中奥科技发展(深圳)有限公司 | 基于数字化菜品的搜索方法、系统及介质 |
CN111640267A (zh) * | 2020-04-16 | 2020-09-08 | 浙江口碑网络技术有限公司 | 一种自助结算方法、装置、存储介质及计算机设备 |
CN111640267B (zh) * | 2020-04-16 | 2021-12-24 | 浙江口碑网络技术有限公司 | 一种自助结算方法、装置、存储介质及计算机设备 |
CN111680603A (zh) * | 2020-05-28 | 2020-09-18 | 浙江师范大学 | 一种菜品检测和识别方法 |
CN111753690A (zh) * | 2020-06-15 | 2020-10-09 | 神思电子技术股份有限公司 | 一种菜品托盘识别方法及基于该方法的菜品识别方法 |
CN111753690B (zh) * | 2020-06-15 | 2023-11-07 | 神思电子技术股份有限公司 | 一种菜品托盘识别方法及基于该方法的菜品识别方法 |
CN112115901A (zh) * | 2020-09-25 | 2020-12-22 | 广州市派客朴食信息科技有限责任公司 | 一种高准确度的食物识别方法 |
WO2022088603A1 (zh) * | 2020-10-28 | 2022-05-05 | 北京妙医佳健康科技集团有限公司 | 一种物品识别方法、装置及存储介质 |
CN112348505A (zh) * | 2020-11-06 | 2021-02-09 | 浙江云澎科技有限公司 | 一种无感支付运行管理系统及其使用方法 |
CN113033706A (zh) * | 2021-04-23 | 2021-06-25 | 广西师范大学 | 基于视觉目标检测和重识别的多源两阶段菜品识别方法 |
CN114638980A (zh) * | 2022-03-04 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 菜品种类识别处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084642A (zh) | 基于目标检测和图像检索的菜品识别方法 | |
CN110348441B (zh) | 增值税发票识别方法、装置、计算机设备及存储介质 | |
CN105243154B (zh) | 基于显著点特征和稀疏自编码的遥感图像检索方法及系统 | |
CN109165645A (zh) | 一种图像处理方法、装置以及相关设备 | |
CN111400507B (zh) | 实体匹配方法及其装置 | |
CN103617420A (zh) | 基于图像特征匹配的商品快速识别方法及系统 | |
CN111914107B (zh) | 一种基于多通道注意力区域扩展的实例检索方法 | |
CN101853299A (zh) | 一种基于感性认知的图像检索结果排序方法 | |
CN104063686B (zh) | 作物叶部病害图像交互式诊断系统与方法 | |
CN103294817A (zh) | 一种基于类别分布概率的文本特征抽取方法 | |
CN104991955A (zh) | 一种自动构建模板库的方法及系统 | |
CN109754009A (zh) | 物品识别方法、装置、售货系统和存储介质 | |
CN109670065A (zh) | 基于图像识别的问答处理方法、装置、设备和存储介质 | |
CN104978585A (zh) | 一种自动计价方法 | |
CN108447064A (zh) | 一种图片处理方法及装置 | |
CN108664986A (zh) | 基于lp范数正则化的多任务学习图像分类方法及系统 | |
CN107563366A (zh) | 一种定位方法及装置、电子设备 | |
CN111653268A (zh) | 一种购物仓的人机语音交互系统及方法 | |
CN111126457A (zh) | 信息的获取方法和装置、存储介质和电子装置 | |
Horvath et al. | A higher-order active contour model of a ‘gas of circles’ and its application to tree crown extraction | |
Álvarez et al. | Junction assisted 3d pose retrieval of untextured 3d models in monocular images | |
CN113743382B (zh) | 一种货架陈列检测方法、装置及系统 | |
CN114220006A (zh) | 一种基于商品指纹的商品识别方法及系统 | |
CN111046713B (zh) | 自动化对象辨识装置 | |
Gupta et al. | Image feature detection using an improved implementation of maximally stable extremal regions for augmented reality applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190802 |