Was ist Instanzsegmentierung?
Instanzsegmentierung weist Pixeln sowohl eine semantische Klasse als auch eine eindeutige Objektidentität zu. Anders als semantische Segmentierung trennt sie mehrere Objekte derselben Klasse in einzelne Masken.
So funktioniert Instanzsegmentierung
Ein instanzbezogenes Modell erzeugt für jedes erkannte Objekt eine separate räumliche Maske zusammen mit seiner Kategorie und einem Konfidenzwert. Architekturen können zunächst Objektvorschläge erzeugen und für jeden Vorschlag eine Maske vorhersagen oder Identitäten aus einer einheitlichen Pixelrepräsentation ableiten. Diese Ausgabe bewahrt Anzahl und Überlappungsbeziehungen, die in einer reinen Klassenregionskarte verloren gehen. Nach Inferenz und Maskennachverarbeitung dient sie als Eingabe für Objektbearbeitung, Inventarisierung, Robotik, Verfolgung und Messung.
Wichtige Fakten
- Panoptische Segmentierung kombiniert zählbare Objektinstanzen mit Hintergrundregionen ohne Instanzzuordnung, während Instanzsegmentierung amorphe Hintergrundklassen vollständig auslassen kann.
- Zwei teilweise verdeckte Objekte einer Kategorie erfordern getrennte Identitätshypothesen; ein Modell kann sie zu einer Maske zusammenführen, selbst wenn ihre kombinierte Klassenfläche korrekt aussieht.
- Instanzkennungen sind kategorial. Bei Größenänderung oder Export von Masken müssen daher die exakten IDs erhalten bleiben; eine Interpolation des Kennungsbilds erzeugt ungültige Objektnummern als Zwischenwerte.
Wann Instanzsegmentierung wichtig ist
Verwenden Sie Instanzsegmentierung, wenn ein System getrennte Objekte statt einer zusammengefassten Klassenregion zählen, bearbeiten, messen oder verfolgen muss. Überlappende oder teilweise verdeckte Objekte können zusammengeführt, aufgeteilt oder übersehen werden, was nachgelagerte Gesamtzahlen und Masken beeinflusst.