单阶段、两阶段及实时实例分割算法，综述汇总有何特点？

本文共计3985个文字，预计阅读时间需要16分钟。

简介：目标检测或定位是数字图像处理中从粗到细的一个渐进过程。它不仅提供了图像对象的类别，还提供了已分类图像对象的位置。位置以边界框或中心的形式给出。语义分割通过对输入图像中的像素进行分类来实现。

简介

目标检测或定位是数字图像从粗到细的一个渐进过程。它不仅提供了图像对象的类，还提供了已分类图像中对象的位置。位置以边框或中心的形式给出。语义分割通过对输入图像中每个像素的标签进行预测，给出了较好的推理。每个像素都根据其所在的对象类进行标记。为了进一步发展，实例分割为属于同一类的对象的单独实例提供了不同的标签。因此，实例分割可以定义为同时解决目标检测问题和语义分割问题的技术。本文对实例分割的背景、存在的问题、技术、发展、流行的数据集、相关工作以及未来的发展进行了讨论。本文为想在实例分割领域进行研究的人们提供了有价值的信息。

背景

分类可被定义为预测图像中一个对象的类别，或根据其分类分数提供图像中对象的类别列表。目标检测或定位是一个从粗推理到精推理的渐进过程，它不仅提供了图像目标的类别，还以边界框或中心的形式给出了分类后的图像目标的位置。语义分割的目的是通过对图像中每个像素点的标签进行预测，得到精确的推理结果。每个像素都根据其所在的对象或区域进行分类标记。按照这个方向，实例分割为属于同一对象类的不同对象实例提供了不同的标签。因此，实例分割可以定义为寻找目标检测的任务同时解决语义分割。将每个分割后的对象分解为各自的子成分。下图描述了图像分割的演变过程。

问题

语义分割的思想是开发一种在分割精度和分割效率两个方面都表现良好的技术/算法。