垃圾图像分割使用的深度学习模型有什么特点

垃圾图像分割使用的深度学习模型通常是基于卷积神经网络（Convolutional Neural Network，CNN）的，其特点包括：

1. 具有很强的特征学习能力：CNN 可以自动学习图像中的特征，包括边缘、纹理、形状等，从而对图像进行更加准确的分割。

2. 具有一定的空间信息保留能力：CNN 在进行卷积操作时，可以利用卷积核的局部感受野来提取局部特征，从而在一定程度上保留了图像的空间信息。

3. 具有可扩展性：CNN 可以通过增加网络深度、宽度等方式来提高分割的准确率。

4. 适用于大规模数据训练：由于深度学习模型需要大量的数据进行训练，而垃圾图像分割的数据通常也比较大，因此 CNN 作为一种能够有效处理大规模数据的模型，在垃圾图像分割中得到了广泛应用。