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。
對于以矩陣形式存儲的圖像來(lái)說(shuō)，采用模板矩陣（算子）對源圖像進(jìn)行卷積運算是其提取梯度特征的通用方法。Sobel算子計算量較少，抗噪性較好且能保留邊緣的強弱，由一個(gè)用于提取水平方向特征和一個(gè)用于提取垂直方向的特征的算子組成。Sobel算子十分適合用于提取農產(chǎn)品方向性的特征，例如檳榔的紋路就能很好的被垂直方向的Sobel算子提取出來(lái)，通過(guò)紋路分布密度，進(jìn)行檳榔的分級任務(wù)。
在線(xiàn)客服
17856548804
2179259773@qq.com
