语义分割、实例分割

最近经常看到图像分割中的一些专业术语，特地搜集整合了一下

目录

语义分割和实例分割

语义分割

实例分割

总结

---

语义分割和实例分割

以下内容大多来自下面链接，个人做了一个整理总结。一文读懂语义分割与实例分割 - 知乎以人工智能为导向的现代计算机视觉技术，在过去的十年中发生了巨大的变化。今天，它被广泛用于图像分类、人脸识别、物体检测、视频分析以及机器人及自动驾驶汽车中的图像处理等领域。图像分割技术是目前预测图像领…https://zhuanlan.zhihu.com/p/303355997

在开始这篇文章之前，我们得首先弄明白，什么是图像分割？

我们知道一个图像只不过是许多像素的集合。图像分割分类是对图像中属于特定类别的像素进行分类的过程，因此图像分割可以认为是按像素进行分类的问题。

传统的图像分割算法均是基于灰度值的不连续和相似的性质。而基于深度学习的图像分割技术则是利用卷积神经网络，来理解图像中的每个像素所代表的真实世界物体，这在以前是难以想象的。

基于深度学习的图像分割技术主要分为两类：语义分割（semantic segmentation）及实例分割（instance segmentation）。

---------------------------------------------------------------------------------------------------------------------------------

语义分割

语义分割会为图像中的每个像素分配一个类别，但是同一类别之间的对象不会区分。而实例分割，只对特定的物体进行分类。这看起来与目标检测相似，不同的是目标检测输出目标的边界框和类别，实例分割输出的是目标的Mask和类别。

具体而言，语义分割的目的是为了从像素级别理解图像的内容，并为图像中的每个像素分配一个对象类。

 

实例分割

实例分割同时利用目标检测和语义分割的结果，通过目标检测提供的目标最高置信度类别的索引，将语义分割中目标对应的Mask抽取出来。实例分割顾名思义，就是把一个类别里具体的一个个对象（具体的一个个例子）分割出来。

总结

语义分割只能划分类别，而同类无法划分，因此在语义分割之后还需要用实例分割来划分同类别的不同实例 。