在计算机视觉中，语义分割、实例分割和全景分割都是图像分割的重要方法，它们帮助模型理解图像中每个像素的语义信息。下面是对这三种分割技术的解释和示例：
- 语义分割 (Semantic Segmentation)
语义分割是指将图像中的每个像素分类到预定义的类别中。在语义分割中，不区分同一类别的不同实体，即所有相同类别的对象都被标记为同一标签。这种类型的分割对于理解图像中存在的物体种类及其布局非常有用。
举例： 在一张交通场景的图像中，所有的汽车都标记为“汽车”类别，所有的行人都标记为“行人”类别，不论图中包含多少辆汽车或多少行人。
- 实例分割 (Instance Segmentation)
实例分割不仅标记出图像中每个像素的类别，还区分同一类别的不同个体。这意味着同一类别中的每个实例都被单独标识和分割。
举例： 在同一张交通场景图像中，每辆汽车虽然都属于“汽车”类别，但每辆车会被分别标记和区分开来，使得每辆车都是一个独立的实例。
- 全景分割 (Panoptic Segmentation)
全景分割结合了语义分割和实例分割的特点，它既识别图像中的每个像素属于哪个类别，也区分出同一类别中的不同实例。此外，全景分割通常还包括对"stuff"类别（如天空、草地等不易于区分单独实例的类别）的标记。
举例： 在交通场景的全景分割中，每辆汽车和每个行人都作为单独的实例被识别和标记，同时道路、天空和建筑等被标记为相应的“stuff”类别，但不区分这些类别中的不同实例。
标签：分割,标记,物体,语义,类别,实例,图像,20241025 From： https://www.cnblogs.com/Frankaiii/p/18503188