目标检测（Object Detection）

目标检测的任务是定位图像中的物体位置（通常用边界框表示）并识别其类别。它同时解决“物体在哪里”和“物体是什么”两个问题。

• 输出形式：边界框（Bounding Box）+ 类别标签。
• 特点：关注物体级别的识别，不区分同一类别的不同实例（例如图像中的多只猫会被标记为“猫”，但不会区分猫A和猫B）。

语义分割（Semantic Segmentation）

语义分割的任务是对图像中的每个像素进行分类，将像素划分到不同的语义类别中。

• 输出形式：像素级分类掩码（每个像素标注类别）。
• 特点：区分不同类别（如人、车、背景），但不区分同一类别的不同实例（例如两个人会被标记为“人”，无法区分个体）。

实例分割（Instance Segmentation）

实例分割结合了目标检测和语义分割的任务，不仅要对像素进行分类，还要区分同一类别的不同实例。

• 输出形式：像素级掩码 + 实例区分（每个对象有独立标识）。
• 特点：既能识别类别，又能区分个体（例如同一图像中的多只狗会被分别标记为狗1、狗2等）。

关键区别总结

• 目标检测：粗粒度定位（边界框），不区分同类实例。
• 语义分割：细粒度像素分类，不区分同类实例。
• 实例分割：细粒度像素分类 + 区分同类实例，是前两者的结合与升级。

典型应用场景

• 目标检测：自动驾驶（检测车辆、行人）、安防监控（识别异常物体）。
• 语义分割：医学图像分析（肿瘤区域分割）、场景理解（道路、天空分类）。
• 实例分割：机器人抓取（区分堆叠物体）、人群计数（统计个体数量）。