- 1、图像分类：
识别图像中存在的物体：人、树、草、天空 … (具体的识别种类按分类种类要求确定)
- 2、目标检测（object detection）
识别图像中存在的内容和检测其位置，如下图，以识别和检测人（person）为例。
- 3、语义分割（semantic segmentation）
对图像中的每个像素打上类别标签，如下图，把图像分为人（红色）、树木（深绿）、草地（浅绿）、天空（蓝色）标签。同种类的物体的颜色一致。
- 4、实例分割（instance segmentation）
实例分割的功能就是将目标检测和语义分割的功能进行结合，在图像中将目标检测出来（目标检测），然后对每个像素打上标签（语义分割）。对比上图、下图，如以人（person）为目标，语义分割不区分属于相同类别的不同实例（所有人都标为红色），实例分割区分同类的不同实例（使用不同颜色区分不同的人）
- 5、全景分割（panoptic segmentation）
语义分割和实例分割的结合，即要对所有目标都检测出来，又要区分出同个类别中的不同实例。对比上图、下图，实例分割只对图像中的目标（如上图中的人）进行检测和按像素分割，区分不同实例（使用不同颜色），而全景分割是对图中的所有物体包括背景都要进行检测和分割，区分不同实例（使用不同颜色）。
——————
【图解AI】什么是语义分割、实例分割、全景分割
语义分割追求的是像素分类 ，pixel-level 。
目标检测追求的是目标分类和定位，object-level 。
实例分割包括以像素级识别、分类和定位图像中出现的各种实例(对象)，并要求保留图像中出现的最精细的特征。它是目标检测过程中最复杂的任务之一。
追求不一样，方法细节不一样
语义分割和目标检测是什么关系？
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
