Qu’est-ce que la segmentation d’instances ?
La segmentation d’instances attribue aux pixels à la fois une classe sémantique et une identité d’objet distincte. Contrairement à la segmentation sémantique, elle sépare plusieurs objets d’une même classe en masques individuels.
Fonctionnement de la segmentation d’instances
Un modèle tenant compte des instances produit un masque spatial distinct pour chaque objet détecté, ainsi que sa catégorie et son score de confiance. Les architectures peuvent d’abord proposer des objets et prédire un masque pour chaque proposition, ou déduire les identités d’une représentation unifiée des pixels. Cette sortie conserve les informations de nombre et les relations de chevauchement qu’une carte de régions limitée aux classes perd. Elle alimente la retouche d’objets, l’inventaire, la robotique, le suivi et la mesure après l’inférence et le post-traitement des masques.
Points clés
- La segmentation panoptique combine des instances d’objets dénombrables avec des régions d’arrière-plan sans instances, tandis que la segmentation d’instances peut omettre entièrement les classes d’arrière-plan amorphes.
- Deux objets partiellement occultés d’une même catégorie nécessitent des hypothèses d’identité distinctes ; un modèle peut les fusionner en un seul masque même si la surface combinée de leur classe semble correcte.
- Les identifiants d’instances sont catégoriels ; le redimensionnement ou l’exportation des masques doit donc préserver les identifiants exacts ; l’interpolation de l’image d’identifiants crée des numéros d’objets intermédiaires non valides.
Quand la segmentation d’instances est importante
Utilisez la segmentation d’instances lorsqu’un système doit compter, retoucher, mesurer ou suivre des objets distincts plutôt qu’une seule région regroupant toute une classe. Les objets qui se chevauchent ou sont partiellement cachés peuvent être fusionnés, scindés ou manqués, ce qui affecte les totaux et les masques en aval.