实例分割：既分类又区分个体

实例分割结合了目标检测与语义分割：不仅要分出每个像素属于哪类，还要区分同类物体的不同个体。三个人各自有独立的 mask，而不是糊成一团。

实例分割的难点很有意思：机器很容易认出“这是人”，但很难分清“这三个人谁是谁”。区分同类中的个体，需要更高阶的边界感知——这大概也是人类认知发展较晚才成熟的能力。

## 核心要点

图片来源：Openverse / lijiali（https://www.flickr.com/photos/69301570@N04/15596515338）

1. Mask R-CNN 是经典方案，在检测框上加一个 mask 分支。

2. 实例分割对遮挡、小目标的处理仍有挑战。

3. 它是机器人抓取、AR 特效的技术前提。

4. 标注成本远高于目标检测，数据稀缺是瓶颈。

图片来源：Openverse / fdecomite（https://www.flickr.com/photos/21649179@N00/3237967443）

## 写在最后

以上是关于「实例分割」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。