基于編碼結構的圖像分割網絡雖然能在復雜背景及環(huán)境中基于特征分割出圖像區(qū)域，不過其提取的輪廓特征依然較為粗糙，不足為真實尺寸測量提供依據(jù)，直到MaskRCNN才做到了像素級圖像分割，為尺寸測量提供了依據(jù)。除此之外，MaskRCNN將目標檢測和語義分割結合，對農產品尺寸測量及分類提供了指導性算法，也是目前研究優(yōu)化的主要方向。
基于深度學習的圖像分割方法，主要研究領域是在于語義分割，即根據(jù)圖片內容，將圖像分為多個有含義的部分，對于農產品分類而言有著革命性的意義。全卷積網絡FCN是深度學習用于進行圖像分割的先驅，以分類模型AlexNet為基礎，將其3層全連接層轉化為反卷積層進行上采樣，從而將輸出有特征分類轉化為區(qū)域特征熱力圖。
在線客服
17856548804
2179259773@qq.com
