图像分割是什么？让 AI 不只认出物体，还描出它的轮廓
目标检测画框，分割描边：差在这一「笔」
前面聊过目标检测，它能在一张图里认出「这儿有只猫、那儿有辆车」，然后给它们套个方框。框是套上了，可框里混着背景、框外也漏了点边，它只告诉你「有啥、在哪儿」，不关心长啥样。图像分割不一样，它要的是「像素级」的活儿——图里每一个小点都归个类，属于猫的就是猫、属于天空的就是天空，最后拼出一张把每个物体边缘描得清清楚楚的图。打个比方，目标检测像在人群里圈出谁是谁，分割像给每个人单独画张剪影，连发丝的边界都给你勾出来。
语义分割：先把「类别」分清楚
最基础的一种叫语义分割。它不管图里有几只猫，只管「凡是猫的像素都标成一种颜色」。你给它一张街景，它吐回一张图：路面灰、车红、树绿、天空蓝，同类合并、不问数量。这对地图、遥感特别好使——咱要的是「哪片是路、哪片是水、哪片是楼」，不关心路上有几辆车、水里有几条鱼。它把「认物体」升级成了「认每一寸地」，是很多下游任务的地基。
实例分割：连「第几只」都数得清
语义分割分不清「这两只猫是不是同一只」。实例分割就补上这环：它不仅认类别，还给每个独立物体编上号。图里三只猫，它就标成猫一、猫二、猫三，各描各的轮廓，绝不串色。自动驾驶最吃这套——它得同时知道「前面有辆车、旁边有个行人、地上还有个锥桶」，而且一个都不能混、不能漏。少认一个锥桶，方向盘可能就多打一把，后果不是闹着玩的。所以这一笔，关键时刻能保命。
全景分割：把前两者一锅端
后来有人把语义和实例合起来，叫全景分割：既给每样东西单独编号，又不漏掉天空、路面这种「没有独立个体」的背景。说白了，一张图从头到尾每个像素都有归宿，既没有空白、也不重复。这是现在往「让机器真正看懂一整幅画面」靠得最近的一步，也是很多机器人、AR 眼镜想落地必须跨过的坎。它让机器第一次有了「整图全局观」。
为啥医疗和自动驾驶都离不了它
你品品就明白。医生看 CT，要的不是「图里有个瘤」，是「瘤的具体边界在哪儿、挨着哪根血管、占了多大面积」——这得靠分割描边才能量出来。自动驾驶也一样，光知道「前面有车」不够，得知道车占了多少路面、离我多近、会不会侵入我的车道，才敢决定踩不踩刹车。框给不了的细节，分割能给。所以它看着小众，其实是很多关键场景的命门，离了它寸步难行。
别神话它：标数据累、边角仍会翻车
分割虽强，也有软肋。它最吃标注——想让模型描得准，得有人一像素一像素地手工标出答案，这活儿又贵又慢，标一张医学图可能要专家耗上半小时。而且遇到模糊、遮挡、没见过的东西，边缘照样会描歪、会把俩挨着的物体糊成一团。咱用的时候心里有数就行：它是把「认物体」推进到「描轮廓」的好工具，但不是万能的眼睛，该人复核的地方还得人上。
