杂菜是食物图片当中的一类特殊图片,它属于多标签数据,但不同于一般的多标签数据,其所有菜肴都盛放在同一个容器当中,菜肴不规则的形状以及相互之间的重叠和边界的混杂为识别任务带来了极大的挑战。当今,随着人们对健康生活方式的日益关注和追求,各类相关网页应用和APP等层出不穷,因此作为饮食记录、营养分析和食谱推荐等分支应用的底层技术,食物图片识别受到了越来越多的关注。食物识别任务从早期的手工特征提取和分类发展到后期的端到端深度模型,处理的数据也从开始的单标签图片到每道菜肴盛放在不同容器中的多标签图片,但目前还没有专门针对所有菜肴盛放在同一容器的多标签图片(即杂菜)进行的研究。此外,已有的深度模型也多将食物识别当作目标检测任务加以处理,需要强监督信息的指导才能得出预测结果。本文针对杂菜识别问题进行了深入研究,提出了一种自适应的多尺度逐区域解决方案,以多标签分类的视角而非目标检测的视角对富有挑战性的杂菜数据进行了处理,基于“每个区域应当包含某类菜肴的一部分”这一直觉假设将特征进行了逐区域的划分,并在此过程当中充分利用了特征图所反映出的位置信息。并根据“各菜肴的食材大小与混杂程度不同,数据采集时拍摄距离也不同”等客观事实,对特征进行了多尺度的融合。与目标检测方案相比,本文所提方法不需要任何边界框标注或逐像素标注,而只需要图像级别的标注,大大解放了人力,也避免了标注过程中主观因素的引入,其网络结构显然更简单,且能够在弱监督的条件下取得良好的识别结果。而与朴素多标签分类方案相比,本文所提方法的效果有极其显著的提升,在自主采集的两个真实杂菜数据集上分别取得了F1值同比增长超过100%和40%的绝佳效果。本文在两个杂菜数据集上对一系列改进方案进行了纵向对比试验,并在包括其他三个常见的多标签食物数据集在内的五个数据集上进行了横向对比试验。丰富翔实的实验结果有力地验证了所提方法的有效性、针对性和一定的普适性。