基于CNN的食物识别，使用Python中的Keras和R语言的Shiny包进行颜色分类，项目名为leetcode-Food-Recognition

颜色分类leetcode 食物识别 使用 Python 中的 Keras 和 R 中的 Shiny 包进行基于 CNN 的食物识别。 工作项目 合作项目 抽象的 在这个项目中，我们制作了一个食物识别和卡路里估计系统，它使用用户提供的食物图像来识别食物，然后估计同一食物中存在的卡路里。 食品图像识别是视觉对象识别在计算机视觉中的有前景的应用之一。 该系统使用图像处理和计算智能来识别食品。 我们训练了一个大型深度卷积神经网络来对每个类别的 1000 张高分辨率图像进行分类。 卷积神经网络 卷积神经网络 (CNN) 为许多一般图像分类问题提供了一种技术。 它已被应用于食品分类并获得了很高的准确率。CNN 广泛用于食品识别，并提供比传统方法更好的性能。 在过去的几年里，由于深度学习的进步，特别是卷积神经网络的进步，识别和识别图像的准确率已经大大提高。 这不仅是因为更大的数据集，还因为新算法和改进的深层架构。 卷积神经网络 (CNN) 由于其发明者而也被称为 LeNet。 CNN 主要包括卷积层、池化层和子采样层，其次是全连接层。 CNN 的第一个架构采用输入图像并应用卷积，然后进行子采样。 经