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,也是目前研究優(yōu)化的主要方向。
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。