💡一句話定義
影像分割（Image Segmentation）＝ 對影像做逐像素分類，標出每個像素屬於哪個物件或區域——比物件偵測的方框更精細，能描出輪廓。差別在於「要不要區分同類的不同個體」與「要不要管背景」。
🐱用「兩貓一狗」來想
🖼️一圖看懂四種任務
同一張街景，在物件偵測 / 語意分割 / 實例分割 / 全景分割下的呈現差異。
📊三種分割對照表
| 任務 | 分同類個體？ | 管背景？ | 代表模型 |
|---|---|---|---|
| 語意分割 | ❌ 同類同色 | ✅ | U-Net、FCN、DeepLab |
| 實例分割 | ✅ 每個體獨立遮罩 | ❌ | Mask R-CNN、YOLACT |
| 全景分割 | ✅ 前景分個體 | ✅ 背景做語意 | Panoptic FPN、Mask2Former |
一句話：語意「只分類別」、實例「還分個體」、全景「個體＋背景全包」。
🔲分割 vs 偵測，怎麼評估？
偵測畫框、分割描輪廓——分割比邊界框精細很多。評估上，分割用 IoU（預測與真實區域的重疊比）與 Dice 係數，以及各類平均的 mIoU；不是用整張圖的準確率。醫療等小目標、類別不平衡的場景，常偏好對小區域更敏感的 Dice。
✅自我檢測
Q1. 語意分割和實例分割差在哪？
語意分割只分類別，同類（如所有人）都標成同一類、不分個體；實例分割還要區分同類的不同個體（人1、人2 分開），每個體有自己的遮罩。
Q2. 全景分割是什麼？
結合語意與實例分割：對可數的前景物件做實例區分，對背景區域（天空、道路）做語意標註，讓每個像素都有歸屬，給出完整場景理解。
Q3. 分割和物件偵測的差別？
偵測輸出的是「方框＋類別」，只框大概位置；分割是逐像素分類，能精確描出物件輪廓，比方框精細許多。
Q4. 分割用什麼指標評估？
用 IoU（Jaccard）與 Dice 係數衡量預測區域與真實區域的重疊，以及各類平均的 mIoU；醫療等不平衡場景常偏好 Dice。
🎯重點整理
- 分割：逐像素分類，描輪廓，比偵測方框精細。
- 語意：只分類別，同類同色，管背景。
- 實例：分同類個體，各自遮罩，不管背景。
- 全景：前景分個體＋背景做語意，全包。
- 評估：IoU、Dice、mIoU（不是準確率）。