基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络(CNN)方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明:基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.

基于人工智能的类风湿性关节炎中医辅助诊疗系统

类风湿性关节炎(RA)是一种广泛存在且慢性、难治的全身性免疫风湿病,中医在其治疗中具有副作用较少、价格相对低廉等优势,但是中医师的缺乏限制RA中医诊疗方案的推广.因此,文中提出基于人工智能的RA中医辅助诊疗系统.通过对患者病历文本和关节影像数据的学习实现对RA和RA证型的判断,辅助医生诊断,并根据证型智能推荐中医药方.文中还基于RA中医药典籍知识构建知识图谱,在医生诊疗过程中提供诊疗知识指导.系统可辅助经验不足的临床医师做出诊疗决策,提高RA的治疗水平,有助于对RA治疗的研究和推广.