龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：杭州电子科技大学
申请日：2024-03-07
公开（公告）日：2024-06-18
公开（公告）号：CN118212632A
主分类号：G06V20/68
分类号：G06V20/68;G06V10/764;G06V10/82;G06V10/44;G06N3/0464;G06N3/084;G06N3/0985;G06N3/096
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种面向AI智慧餐厅的菜品增量识别方法、系统、介质和设备，涉及深度学习的目标分类领域。包括：构建菜品增量识别模型，并对菜品增量识别模型进行初始化阶段的训练以及增量学习阶段的训练，最后将预处理后的待分类图像输入到训练好的菜品增量识别模型中，得到待分类图像的菜品类别预测结果。本发明通过将随机权神经网络与传统卷积神经网络相结合，本发明精心设计并优化了两个训练阶段，以实现对新菜品的增量学习，解决了当前AI智慧餐厅场景下传统深度学习方法无法增量学习新菜品特征的难点。相较传统的增量学习方法，本发明所提出的方法具有更强的抗遗忘能力，且具备较强高的识别准确率、良好的框架通用性。
主权项：1.一种面向AI智慧餐厅的菜品增量识别方法，其特征在于，包括以下步骤：S1.构建菜品增量识别模型，所述菜品增量识别模型包括骨干网络、随机权神经网络和第一输出层，所述随机权神经网络包括扩展输入层、隐藏层以及第二输出层，所述第二输出层额外添加若干冗余节点；S2.所述菜品增量识别模型利用第一菜品数据集进行初始化阶段的训练，基于最小化初始损失对菜品增量识别模型的所有参数进行更新，初始化阶段的迭代训练完毕后，利用第二菜品数据集进行增量学习阶段的训练，基于最小化增量学习损失对骨干网络的参数进行更新，固定扩展输入层和隐藏层的参数，利用权重更新函数对第二输出层权重参数进行更新，所述第一菜品数据集和所述第二菜品数据集中所包含的菜品类别不同，所述第二输出层所有节点数量大于等于菜品数据集中包含的菜品类别数量，所述菜品数据集为第一菜品数据集和第二菜品数据集的并集；S3.对待分类的原始图像进行预处理，将预处理后的图像输入到训练好的菜品增量识别模型中，屏蔽所述第二输出层的冗余节点，得到待分类图像的菜品类别预测结果。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 面向AI智慧餐厅的菜品增量识别方法、系统、介质和设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号