图像分割问题主要是实现对目标的像素级分割，较上述两类算法而言，其对物体的检测更加精细，它所实现的是像素级别的检测，达到的效果如图10-3所示。

图10-3　语义分割检测效果

常见的图像分割算法总体上也分为两类：一类主要追求更加精细的分类质量，用来提高在现有数据集上的精度，典型模型有PSPNet、Deep Lab、FRRN、RefineNet、DenseRelation Net、ACNet；另一类则专注于设计轻量级的网络，用于实现实时语义分割，如Seg Net、UNet、ENet、ERFNet、EDANet、SQNet。实例分割问题是前面提到的一般分割问题的优化版，它在物体检测定位的基础上加入了分割操作，即将物体检测中使用的图像特征提取器的输出，输入到用于分割的图像掩模的预测器中。故实例分割方法与物体检测方法一样，分成单阶段和两阶段网络，两阶段网络如Mask-RCNN，单阶段网络如Polar Mask。