语义分割、实例分割和全景分割的区别与联系
0 简介1 semantic segmentation（语义分割）2 Instance segmentation（实例分割）3 Panoramic segmentation（全景分割）4 目标检测（Object Detection）0 简介
在做动态环境slam的过程中需要用到场景的语义信息，之前一直以为语义分割和实例分割是一个东西，调研后才了解到其中的区别与联系。这里重点说下语义分割、实力分割和全景分割的作用。
转载自：/wangdongwei0/article/details/83013114
1 semantic segmentation（语义分割）
通常意义上的目标分割指的就是语义分割，图像语义分割，简而言之就是对一张图片上的所有像素点进行分类。
语义分割（下图左）就是需要区分到图中每一点像素点，而不仅仅是矩形框框住了。但是同一物体的不同实例不需要单独分割出来。对下图左，标注为人，羊，狗，草地。而不需要羊1，羊2，羊3，羊4，羊5等。
2 Instance segmentation（实例分割）
实例分割（上图右）其实就是目标检测和语义分割的结合。相对目标检测的边界框，实例分割可精确到物体的边缘；相对语义分割，实例分割需要标注出图上同一物体的不同个体（羊1，羊2，羊3…）
3 Panoramic segmentation（全景分割）
全景分割是语义分割和实例分割的结合。
跟实例分割不同的是：实例分割只对图像中的object进行检测，并对检测到的object进行分割，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。
最后放上一张总结的图片
4 目标检测（Object Detection）
目标检测的目的是找到图像中所有目标物体，并用方框标出其位置。其与实例分割类似，只是不需要像素级别的分割结果（但是速度更快）。具体内容详见博文：/qinqinxiansheng/article/details/116147243
