实例分割

实例分割是一种复杂的计算机视觉技术，它不仅能识别图像中的物体，还能在像素级精确划分每个物体的边界，从而完善物体检测。与较简单的方法不同，实例分割可以区分同一物体类别的各个实例，为场景中的每个物体提供详细的掩码。对于需要精确识别和分离物体的应用来说，这种细粒度的理解方式非常有价值。

什么是实例分割？

实例分割超越了基本的物体检测和语义分割，基本的物体检测是在物体周围画出边界框，而语义分割则是给图像中的每个像素标上一个类别，但不区分同一类别中的各个物体。相反，实例分割能唯一识别每个对象实例，即使它们重叠在一起。例如，在一张有多辆汽车的图像中，实例分割不仅能将所有汽车都识别为 "汽车"，还能为每辆汽车创建一个单独的、像素完美的掩码，将它们与彼此和背景区分开来。在需要计算单个物体或分析其具体形状的场景中，这种功能至关重要。

实例分割与相关任务

虽然相关，但实例分割与其他计算机视觉任务有很大不同：

• 物体检测 物体检测主要是通过在图像周围绘制边界框来识别和定位图像中的物体。它能告诉你物体的内容和位置，但不能告诉你确切的形状或边界。
• 语义分割 语义分割法将图像中的每个像素划分为预定义的类别，如 "天空"、"道路 "或 "汽车"。它提供了对场景的像素级理解，但不会区分同一对象类别的不同实例。例如，所有的汽车都被标记为 "汽车 "像素，但并不能作为单独的物体加以区分。
• 实例分割：实例分割结合了两者的优势。它既能像语义分割一样进行像素级分类，又能像物体检测一样对每个物体实例进行单独区分和分割，从而全面而详细地了解图像中的物体。

实例分割的应用

实例分割的精确性使其在各个领域都非常重要：

• 自动驾驶：在自动驾驶汽车中，实例分割可以通过精确识别和跟踪道路上的每个行人、车辆和障碍物，帮助汽车了解周围环境。这种详细的感知对于在复杂的交通场景中安全导航和决策至关重要。
• 医学图像分析：在医疗保健领域，实例分割对于医学图像分析非常重要。它可用于准确分割核磁共振成像或 CT 扫描等医学扫描中的单个细胞、肿瘤或器官，从而帮助诊断、制定治疗计划和监测疾病进展。例如 Ultralytics YOLOv8可用于医学成像中的肿瘤检测，利用实例分割来精确定位和划分肿瘤。
• 机器人对于与现实世界交互的机器人而言，实例分割可提供复杂任务所需的详细场景理解。无论是在仓库中拾取物品的机械臂，还是在动态环境中导航的服务机器人，了解每个物体的精确形状和位置对于有效和安全运行都至关重要。

实例分割和Ultralytics YOLO

Ultralytics YOLO模型在实时实例细分领域处于领先地位，提供的模型包括 Ultralytics YOLOv8和 Ultralytics YOLO11等模型，能够高精度、高速度地执行实例分割。这些模型可以轻松地在自定义数据集上进行训练，并使用Ultralytics HUB 进行部署，以简化模型管理和部署。要开始使用实例分割，您可以探索各种资源，如 如何使用Ultralytics YOLO11 进行实例分割，以及在Python 了解使用预训练的Ultralytics YOLOv8 模型 进行 分割。