目前图像数据量正在呈指数型增长,随着图像处理技术的发展,如何有效的使用计算机视觉技术进行图像分割与图像分类已经成为计算机视觉领域中重要研究分支。传统图像分类是识别粗粒度的大类,例如使用计算机视觉技术进行区分“狗”、“葡萄”和“鸟”等元类别。而在许多实际应用中,图像需要进行细粒度级别的分类,例如区分该图像属于“葡萄”类别中的哪个子类别:“夏黑”、“红提”、“阳光玫瑰”等。在计算机视觉领域中,细粒度图像分类则是针对该类问题的一个热门研究方向,且具有真实场景下广泛的应用价值。由于细粒度图像分类中类内差异较大而类间差异较小的特点,使得细粒度图像分类成为具有挑战性的研究。然而细粒度图像分类只是获取了类别信息,通常需要辨识物体的边界及属性特征来做进一步研究,则需将目标从图像中分割出来。本文基于深度学习技术探索了细粒度图像识别与分割研究,主要工作如下:1.建立了葡萄数据集(Vitis-15):本文建立了一个小型的细粒度级别图像数据集,该图像数据是通过在武汉及云南周边果蔬大棚自然场景下人工拍摄所得,共计6389张图片,其中共包含15个葡萄子类别,由于拍摄的时间、年份及地点的不同使得该数据集具有类内差异较大及类间差异较小的特点。2.基于多尺度数据融合的细粒度图像识别:现实生活场景中的数据普遍存在数据不平衡性的问题,为了解决该问题,本文提出了多尺度数据融合方法。多尺度图像输入对于图像分类任务能够更充分的提取图像中具有判别性的信息,且数据扩增方法利于解决数据样本间的不平衡性,让分类网络能够更充分的学习到各类别的特征。针对Vitis-15数据集,采用迁移学习和卷积神经网络来分类,在Alex Net网络基础上提出了多尺度增强型Alex Net网络(MS_EAlex Net),实验结果表明,在Vitis-15数据集上MS_EAlex Net要优于当前主流的分类模型,可达99.92%。3.基于多尺度图像破坏重建的细粒度图像识别:通过Vitis-15细粒度图像分类识别任务的研究,扩展到类别数量及复杂程度更大的CUB200-2011细粒度数据集上,由于该数据集的复杂性,只用分类网络难以达到较好的识别精度。以往的细粒度图像识别大部分通过标签来进行局部定位,而通过“破坏与重建”网络可以自动获取具有判别性的局部信息,本文提出了多尺度输入(MS_DCL)和多尺度细节增强(MSDB_DCL)破坏重建模型,使得网络可以学习到物体和部件级别的判别性信息来进行细粒度图像分类,实验结果显示MS_DCL比现有其他细粒度图像分类方法具有更高的识别精度,在CUB200-2011数据集上测试准确率可达87.4%。4.基于Mask GrabCut的细粒度图像分割:为了获取到细粒度图像中的前景部分以做进一步研究分析,针对传统图像分割算法的局限性和基于深度学习分割网络的边界保留不足问题,提出了传统图像分割方法与深度学习分割网络相结合的方法Mask GrabCut,该方法结合了GrabCut分割算法中抠图边界的思想和Mask R-CNN语义分割网络的通用性,实验结果表明,Mask GrabCut方法在CUB200-2011数据集上的分割性能优于这两种方法。