Instance Segmentation（實例分割）是一種先進的計算機視覺技術，它不僅識別圖像中的物體，還精確區分並標註每個物體的像素級邊界。
主要特點
- 每個物體獨立分割：對圖像中同一類的多個物體進行區分，分別賦予不同的實例ID，與傳統的物體檢測（bounding box）或語義分割（semantic segmentation）不同，後者無法區分相同類別的不同個體。 像素級準確：產生每個物體的精確遮罩（mask），定義其在圖像中的具體形狀和位置，而不只是大概的矩形框。 集物體偵測與分割於一身：結合物體識別與精細分割，有利於複雜場景中對多物體的精確理解。
應用範圍
- 自動駕駛中的行人及障礙物識別 醫療影像分析，如腫瘤識別與標注 監控分析與目標跟踪 擴增實境（AR）與虛擬實境（VR）場景理解
相關方法與架構
- Mask R-CNN: 最著名的檢測與分割結合模型 基於卷積神經網路（CNN）與Transformer的多種方法 單階段與兩階段分割模型選擇
簡言之，Instance Segmentation讓電腦能夠識別圖片中每一個具體物體的具體邊界，是物體檢測和語義分割的進階技術，提升影像分析的精度和細節把握。
