論文の概要: RFHNet: Relational and Frequency-Aware Hashing Network for Large-Scale Fine-Grained Food Image Retrieval

• arxiv url: http://arxiv.org/abs/2607.06148v1
• Date: Tue, 07 Jul 2026 11:16:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.500588
• Title: RFHNet: Relational and Frequency-Aware Hashing Network for Large-Scale Fine-Grained Food Image Retrieval
• Title（参考訳）: RFHNet:大規模微粒食品画像検索のためのリレーショナル・周波数対応ハッシュネットワーク
• Abstract要約: 微細な食品画像検索は、食品のトレーサビリティ、食事監視、スマートキャタリングシステムに応用された、計算胃科における重要な課題である。 本稿では,大域的構造と細粒度の局所的詳細の両方をマルチレベル表現によってキャプチャする階層型ハッシュネットワークRFHNetを提案する。 6つの食品特異的ベンチマークの実験では、RFHNetは最先端のハッシュ法を一貫して上回り、mAPは12ビットで4.44%から17.20%向上した。
• 参考スコア（独自算出の注目度）: 31.11570490657296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained food image retrieval is a key task in computational gastronomy, with applications in food traceability, dietary monitoring, and smart catering systems. Although hashing-based retrieval is attractive for large-scale search due to its storage efficiency and fast Hamming-distance computation, existing methods often perform poorly in fine-grained food scenarios, where subtle local semantics and frequency-sensitive visual cues are essential. To address this challenge, we propose RFHNet, a cascaded hierarchical hashing network that captures both global structure and fine-grained local details through multi-level representations. RFHNet includes three components: (1) Fine-grained Relation Modeling (FRM) to capture subtle visual differences among similar food components; (2) Multi-Frequency Modulated Fusion (MFMF) to extract informative multi-frequency features; and (3) Hierarchical Semantic Synergy (HSS) to adaptively integrate multi-level representations and generate discriminative hash codes. Experiments on six food-specific benchmarks show that RFHNet consistently outperforms state-of-the-art hashing methods, with mAP gains of 4.44\% to 17.20\% at 12 bits. These results validate the effectiveness of RFHNet for large-scale visual food retrieval and smart catering applications. The source code will be released upon publication.
• Abstract（参考訳）: 微細な食品画像検索は、食品のトレーサビリティ、食事監視、スマートキャタリングシステムに応用された、計算胃科における重要な課題である。 ハッシュベースの検索は、記憶効率と高速ハミング距離計算のために大規模検索には魅力的であるが、既存の手法は、微妙な局所意味論と周波数に敏感な視覚的手がかりが不可欠である、細粒度食品のシナリオでは、しばしば不十分に機能する。 この課題に対処するために,多レベル表現による大域的構造と細粒度局所的詳細の両方をキャプチャする階層型ハッシュネットワークRFHNetを提案する。 RFHNetは,(1)類似の食品成分間の微妙な視覚的差異を捉えるための細粒な関係モデリング(FRM),(2)多周波数変調融合(MFMF)による情報的多周波数特徴の抽出,(3)多レベル表現を適応的に統合して識別ハッシュコードを生成する階層的セマンティックシナジー(HSS)の3成分を含む。 6つの食品特化ベンチマークの実験では、RFHNetは12ビットで4.44\%から17.20\%に上昇し、最先端のハッシュ法を一貫して上回っている。 これらの結果は,大規模視覚食品検索およびスマートキャタリングへの応用におけるRFHNetの有効性を検証した。 ソースコードは公開時に公開される。

関連論文リスト

• Image Classification via Random Dilated Convolution with Multi-Branch Feature Extraction and Context Excitation [3.9240527145303123]
  RDCNetはResNet-34上に構築された新しいアーキテクチャで、これらの制限に対処するために3つのシナジスティックなイノベーションを統合する。 RDCNetは、最先端の分類精度を一貫して達成し、それぞれ0.02%、1.12%、0.18%、4.73%のマージンで2番目に良い競合手法を上回っている。
  論文  参考訳（メタデータ） (2026-04-28T03:49:35Z)
• Pixel-Grounded Retrieval for Knowledgeable Large Multimodal Models [58.46663983451155]
  PixSearchは、地域レベルの認識と検索強化推論を統合する、エンドツーエンドのLMM(Large Multimodal Model)である。 エンコーディング中、PixSearchは検索をトリガーする検索>トークンを出力し、クエリのモダリティ(テキスト、画像、リージョン)を選択し、ビジュアルクエリとして直接機能するピクセルレベルのマスクを生成する。 エゴセントリックでエンティティ中心のVQAベンチマークでは、PixSearchは事実整合性と一般化を大幅に改善する。
  論文  参考訳（メタデータ） (2026-01-27T00:46:08Z)
• LLMs-based Augmentation for Domain Adaptation in Long-tailed Food Datasets [54.527878056610156]
  食品認識におけるこれらの課題に対処するために,大規模言語モデル(LLM)を用いた枠組みを提案する。 まず LLM を利用して食品イメージを解析し,食品のタイトルや材料を生成する。 そして、生成したテキストと食品の画像を異なるドメインから共有埋め込み空間に投影し、ペアの類似性を最大化する。
  論文  参考訳（メタデータ） (2025-11-20T04:38:56Z)
• F4-ITS: Fine-grained Feature Fusion for Food Image-Text Search [0.0]
  デジタル食品コンテンツは、きめ細かい視覚的理解と検索が可能な堅牢で正確なシステムの必要性を強めている。 F4-ITS: F4-ITS: Fine-fine Feature Fusion for Food Image-Text Search, a training-free, vision- language model (VLM)-guided framework。
  論文  参考訳（メタデータ） (2025-08-23T14:36:31Z)
• Retrieval Augmented Recipe Generation [96.43285670458803]
  本稿では,レシピ生成のための拡張型大規模マルチモーダルモデルを提案する。 既存のデータストアからサプリメントとして、イメージにセマンティックに関連付けられたレシピを検索する。 生成したレシピ候補間の一貫性を計算し、異なる検索レシピを生成のコンテキストとして使用する。
  論文  参考訳（メタデータ） (2024-11-13T15:58:50Z)
• A Feature Consistency Driven Attention Erasing Network for Fine-Grained Image Retrieval [23.76079577951216]
  微細な画像検索のための特徴整合性駆動型アテンション消去ネットワーク(FCAENet)を提案する。 最初の問題として、選択的領域消去モジュール(SREM)であるFCAENetの適応拡張モジュールを提案する。 SREMは、いくつかの原画像領域を適応的にカバーすることで、きめ細かなタスクの微妙な違いに対して、ネットワークをより堅牢にする。 CUB2011, Aircraft, NABirds, VegFru, Food101 for 12bits, 24bits, 32bits, 48bits hash code。
  論文  参考訳（メタデータ） (2021-10-09T06:51:00Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Combined Depth Space based Architecture Search For Person Re-identification [70.86236888223569]
  個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。 本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。 そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
  論文  参考訳（メタデータ） (2021-04-09T02:40:01Z)
• ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network [50.7720194859196]
  ウィキペディアのリストから500のカテゴリと399,726の画像を含むデータセットISIA Food-500を紹介する。 このデータセットは、既存の一般的なベンチマークデータセットをカテゴリカバレッジとデータボリュームで上回る。 食品認識のための2つのサブネットワークからなるグローバルローカルアテンションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T02:48:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。