基于深度學(xué)習的圖像分割方法，主要研究領(lǐng)域是在于語(yǔ)義分割，即根據圖片內容，將圖像分為多個(gè)有含義的部分，對于農產(chǎn)品分類(lèi)而言有著(zhù)革命性的意義。全卷積網(wǎng)絡(luò )FCN是深度學(xué)習用于進(jìn)行圖像分割的先驅?zhuān)苑诸?lèi)模型AlexNet為基礎，將其3層全連接層轉化為反卷積層進(jìn)行上采樣，從而將輸出有特征分類(lèi)轉化為區域特征熱力圖。
基于編碼結構的圖像分割網(wǎng)絡(luò )雖然能在復雜背景及環(huán)境中基于特征分割出圖像區域，不過(guò)其提取的輪廓特征依然較為粗糙，不足為真實(shí)尺寸測量提供依據，直到MaskRCNN才做到了像素級圖像分割，為尺寸測量提供了依據。除此之外，MaskRCNN將目標檢測和語(yǔ)義分割結合，對農產(chǎn)品尺寸測量及分類(lèi)提供了指導性算法，也是目前研究?jì)?yōu)化的主要方向。
傳統提取算法，闕值提取法是圖像分割中使用較為廣泛的方法，通過(guò)闕值的設置，將處于闕值區間內的像素區域歸納為同一區域，從而分割圖像。此類(lèi)算法的缺陷在于只考慮了目標的灰度信息，從而缺少魯棒性。在這類(lèi)算法中，如何獲取一個(gè)合理的闕值是算法成功的關(guān)鍵，手動(dòng)選取闕值無(wú)法具備通用性，易受環(huán)境變化的影響，主流的選取闕值的方法有類(lèi)間方差法和熵闕值分割法。
在線(xiàn)客服
17856548804
2179259773@qq.com
