STATION 09 · REAL SEGMENTATION LAB

语义分割 vs 实例分割：真实模型对比台

在同一张图像上同时运行 SegFormer-B0 与 YOLO11n-seg，比较 H×W class map 与 N × {bbox, class, score, mask, instance_id} 的输出结构、推理流程和适用场景。

SEGFORMER · YOLO-SEG · COMPARISON
REAL MODEL COMPARISON

同一图像下的语义 Mask 与实例 Mask

READY
Input -- Semantic -- Instance -- Classes -- Instances --
02

语义分割

Pixel-wise Classification

MODEL
语义分割输入图
H×W class map 每个像素只有类别，不区分同类不同个体。
03

实例分割

Detection + Mask

MODEL
实例分割输入图
N × {bbox,class,score,mask,id} 同类目标被拆成独立实例，可计数、可选择、可统计。
Image 共享输入图像，两个模型将分别从同一像素集合中提取不同粒度的信息。
步骤 1 / 5
CHOOSING THE RIGHT TASK

任务选择速查

语义：全局类别 · 实例：独立对象 · 选择依据：是否需要区分个体。

Semantic语义分割
  • 全图 dense prediction，擅长连续区域
  • 无法区分同类个体（第几个行人）
  • 典型：自动驾驶可行驶区域、遥感地物
Instance实例分割
  • 每对象独立 mask / id，可计数可跟踪
  • 依赖 NMS，拥挤场景易漏检
  • 典型：行人计数、机器人抓取、视频跟踪