實體分割

實例分割（Instance Segmentation）是區分圖像中同類別不同個體的分割任務，結合了目標檢測和語義分割。

輸出：

• 每個實例的邊界框
• 每個實例的像素級掩碼
• 實例編號：實例1、實例2...

經典方法：

• Mask R-CNN：在Faster R-CNN上加掩碼分支
• YOLACT：實時實例分割
• Mask2Former：基於Transformer的統一框架
• SOLO：按位置分割實例

與相關任務的比較：

• 目標檢測：僅輸出框和類別
• 語義分割：不區分個體
• 實例分割：框+類別+個體掩碼
• 全景分割：語義+實例的統一

應用場景：

• 自駕：識別每輛車、每個人
• 零售：計數商品數量
• 醫療：計數細胞數量
• 機器人：區分不同操作對象
• 視頻分析：追蹤每個個體

挑戰：

• 遮擋處理：重疊實例分離
• 小目標：遠距離小物體
• 實時性：高FPS需求
• 類別不平衡：常見類vs罕見類

是電腦視覺的高級任務。