在计算机视觉领域，实例分割是一个很重要的研究主题，在地理信息系统、医学影像、自动驾驶、机器人等领域有着很重要的应用技术支持作用，具有十分重要的研究意义。本文综述基于实例分割的最新进展和发展历程，首先介绍了实例分割的基本逻辑,总结了目前主要研究方法及其原理和网络架构，对已发表的主流实例分割方法进行分析，最后对实例分割任务目前面临 的问题以及未来的发展趋势做出了分析,并针对所面临的问题提出了一些切实可行的解决思路.

目录

1 介绍

    1.1实例分割目前存在的一些问题和难点

2.实例分割的基本流程

   2.1 实例分割的主要技术路线

   2.2 实例分割方法的发展历程

   2.3 实例分割方法主要网络架构方法分类

         2.3.1 掩模建议分类法

         2.3.2 先检测再分割法

         2.3.3 标记像素后聚类法

         2.3.4 密集滑动窗口法

3 实例分割的典型方法

   3.1 DeepMask

   3.2 Fast-CNN

   3.3 Mask R-CNN (2017.3)

   3.4 PANet

   3.5 YOLCAT（2019.4）

   3.6 PolarMask (2019.10)

   3.7 SOLO (2019.12)

   3.8 RDSNet（2019.12）

   3.9 PointRend (2019.12)

   3.10 BlendMask (2021.1)

   3.11 TensorMask

   3.12 主要方法在在COCO数据集上的指标对比

4.实例分割常用数据集

    4.1 PASCAL VOC 数据集

   4.2 Microsoft Common Objects in Context (MS COCO)

   4.3 Cityscapes

   4.4 ADE20K

内容中包含的图片若涉及版权问题，请及时与我们联系删除