图像分割在计算机视觉中是个重要的任务，在地理信息系统、医学影像、自动驾驶、机器人等领域都有着很重要的应用技术支持作用。本篇博客主要做了一个图像分割算法的综述，从两方面进行论述，一个是语义分割，在前面博客也提到相关的算法，详见Deeplab语义分割。另一方面是实例分割，详见实例分割综述，MaskRCNN。
语义分割的目的是为了从像素级别理解图像的内容，并为图像中的每个像素分配一个对象类。语义分割的方法分别有Semantic Segmentation by Patch Classification，FCN for Semantic Segmentation，U-Net for medical engineering，SegNet，DeepLab，关于各个方法的思路和实现方式可以参考：Deeplab语义分割和一文读懂语义分割与实例分割。
实例分割的目的是将输入图像中的目标检测出来，并且对目标的每个像素分配类别标签。实例分割能够对前景语义类别相同的不同实例进行区分。实例分割模型一般由三部分组成：图像输入、实例分割处理、分割结果输出。实例分割存在的问题以及难点如下：
实例分割主要有两条技术路线，一个是自下而上基于语义分割的方法和自上而下基于检测的方法。这两种方法都是two-stage方法。
自上而下的实例分割方法
该类方法首先通过目标检测的找出实例所在的区域，然后在检测框进行语义分割，每个分割的结果都作为一个不同实例的输出。该类方法有FCIS，MaskRCNN，PANet，Mask Scoring R-CNN。自上而下的密集实例分割的开山鼻祖是DeepMask，该方法通过滑动窗口的方法，在每个空间区域上都预测一个mask proposal，这个方法也存在明显的缺点：mask与特征的联系（局部一致性）丢失了，如DeepMask中使用全连接网络去提取mask；特征的提取表示是冗余的， 如DeepMask对每个前景特征都会去提取一次mask；下采样（使用步长大于1的卷积）导致的位置信息丢失
自下而上的实例分割方法
将每个实例看成一个类别，然后按照聚类的思路，最大类间距，最小类内距，对每个像素做embedding，最后做grouping分出不同的实例。Grouping的方法一般bottom-up效果差于top-down。这种方法虽然保持了更好的底层特征，但是存在以下缺点对密集分割的质量要求很高，会导致非最优的分割；泛化能力较差，无法应对类别多的复杂场景；后处理方法繁琐。
单阶段实例分割
该类方法有两种思路，一种是受one-stage，anchor-base检测模型的启发研究得出的，如YOLOACT和SOLO；另一种是受到anchor-free检测模型启发，如PolarMask和AdaptIS。
综上所述，实例分割方法的发展历程主要脉络图如下：
后面的方法可以查阅参考1或者各种方法对应的论文，这里就不做一一叙述了。
