¿Qué es la segmentación de instancias?
La segmentación de instancias asigna a los píxeles tanto una clase semántica como una identidad de objeto distinta. A diferencia de la segmentación semántica, separa varios objetos de la misma clase en máscaras individuales.
Cómo funciona la segmentación de instancias
Un modelo que distingue instancias produce una máscara espacial independiente para cada objeto detectado, junto con su categoría y su puntuación de confianza. Las arquitecturas pueden proponer primero objetos y predecir máscaras para cada propuesta, o derivar identidades de una representación unificada de píxeles. Esta salida conserva el recuento y las relaciones de superposición que se pierden en un mapa de regiones basado únicamente en clases. Tras la inferencia y el posprocesamiento de las máscaras, sirve de entrada para la edición de objetos, el inventario, la robótica, el seguimiento y la medición.
Datos clave
- La segmentación panóptica combina instancias de objetos contables con regiones de fondo sin instancias, mientras que la segmentación de instancias puede omitir por completo las clases amorfas del fondo.
- Dos objetos parcialmente ocultos de una misma categoría requieren hipótesis de identidad separadas; un modelo puede fusionarlos en una sola máscara incluso cuando el área combinada de su clase parece correcta.
- Los identificadores de instancia son categóricos, por lo que el cambio de tamaño o la exportación de máscaras debe conservar los ID exactos; interpolar la imagen de identificadores crea números de objeto intermedios no válidos.
Cuándo es importante la segmentación de instancias
Usa la segmentación de instancias cuando un sistema deba contar, editar, medir o seguir objetos separados en lugar de una región de clase combinada. Los objetos superpuestos o parcialmente ocultos pueden fusionarse, dividirse o pasar inadvertidos, lo que afecta a los totales y las máscaras de las etapas posteriores.