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。