基于深度學(xué)習(xí)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(jù)圖片內(nèi)容，將圖像分為多個(gè)有含義的部分，對(duì)于農(nóng)產(chǎn)品分類而言有著革命性的意義。全卷積網(wǎng)絡(luò)FCN是深度學(xué)習(xí)用于進(jìn)行圖像分割的先驅(qū)，以分類模型AlexNet為基礎(chǔ)，將其3層全連接層轉(zhuǎn)化為反卷積層進(jìn)行上采樣，從而將輸出有特征分類轉(zhuǎn)化為區(qū)域特征熱力圖。
基于編碼結(jié)構(gòu)的圖像分割網(wǎng)絡(luò)雖然能在復(fù)雜背景及環(huán)境中基于特征分割出圖像區(qū)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(cè)量提供依據(jù)，直到MaskRCNN才做到了像素級(jí)圖像分割，為尺寸測(cè)量提供了依據(jù)。除此之外，MaskRCNN將目標(biāo)檢測(cè)和語(yǔ)義分割結(jié)合，對(duì)農(nóng)產(chǎn)品尺寸測(cè)量及分類提供了指導(dǎo)性算法，也是目前研究?jī)?yōu)化的主要方向。
傳統(tǒng)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(shè)置，將處于闕值區(qū)間內(nèi)的像素區(qū)域歸納為同一區(qū)域，從而分割圖像。此類算法的缺陷在于只考慮了目標(biāo)的灰度信息，從而缺少魯棒性。在這類算法中，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間方差法和熵闕值分割法。
在線客服
17856548804
2179259773@qq.com
