目標檢測相關
（b）是語義分割，（c）是實例分割
-
目標檢測?=?每個目標一個框+標簽
-
實例分割?=?語義分割?+?識別每一個目標個體
目標檢測基礎上進一步提升模型能力有兩個方向：實例分割、旋轉目標檢測。
實例分割
（1）定義
目標檢測的進一步擴展，不僅定位物體的位置，而且給出物體的精確輪廓。它通常需要通過?mask?來標注每個物體的像素級區域。
（2）實現方式
一般是在目標檢測的基礎上，增加一個分割分支（輸出掩膜?mask），典型代表是：
-
Mask?R-CNN：Faster?R-CNN?加上分割頭
-
YOLACT?/?SOLO?/?Mask2Former：更快更靈活的分割方式
-
一些最新的?segment?anything?模型也屬于這個方向
旋轉目標檢測
（1）定義
目標檢測不僅檢測物體的位置，還要精確預測物體的角度，通過旋轉的矩形框來標注物體，而不是簡單的水平矩形框。
例如，在遙感衛星圖像里檢測船只，如果不用旋轉框，可能一個框套住了兩艘船。而旋轉框可以斜著框住每一艘船，更準確。
（2）實現方式
在原有框架上，模型輸出的框格式從?[x,?y,?w,?h]?變為?[x,?y,?w,?h,?θ]，多了一個角度θ。
典型代表模型有：
-
RTMDet
-
R3Det（Refined?Rotated?RetinaNet）
-
Rotated?Faster?R-CNN
-
Oriented?R-CNN
-
基于?YOLO?的旋轉目標檢測（比如?YOLOv5-OBB）
語義分割和實例分割對比
| 項目 | 語義分割 | 實例分割 |
|---|---|---|
| 像素級別分類 | ? | ? |
| 區分個體 | ??不行（只知道種類） | ??可以（知道是哪一個物體） |
| 應用 | 場景理解、自動駕駛道路分割等 | 高級視覺識別（如COCO、人臉遮擋處理） |
| 難度 | 相對較低 | 更高（要結合檢測） |
目標檢測、實例分割和旋轉目標檢測的關系
-
目標檢測和實例分割常常是順序執行的，先做目標檢測，后做實例分割。
-
旋轉目標檢測通常是獨立的任務，也可以與目標檢測或實例分割并行進行，專注于處理旋轉物體的定位和角度預測。
