4.Mask R-CNN/YOLOV8/RTMDET三种实例分割方法推理逻辑对比

---

欢迎访问个人网络日志🌹🌹知行空间🌹🌹

---

Mask R-CNN/YOLOV8/RTMDET三种实例分割方法推理逻辑对比

实例分割是同时检测与分割，即在检测出检测框的同时分割出检测中的对象。这样，不仅实现了语义分割，同时区分出了同类别的不同的对象。

以human这个类别为例，

检测任务：

分割任务：

实例分割：

从上面这个例子可以看出，检测任务定位了对象的包围框，语义分割分割出了人这个类别，不过把所有的人一起分割了，实例分割区分出了每个人，并分别进行了分割。

实际在做实例分割时，通常同时输出对象的检测框，并给出对象的分割结果。下面介绍三种常见的实例分割算法。

Mask R-CNN

首先是Mask R-CNN，在目标检测中有介绍过Mask RCNN是FAIR的何凯明等于2017年03月提交的论文Mask R-CNN中提出的，该算法同时支持目标检测\实例分割\关键点检测的任务。

论文:Mask R-CNN

代码:detectron2

在这里，不再介绍Mask RCNN的backbone和neck部分，关于RPN和ROI Pooling的介绍可以参考之前的文