图像分割的总结（一）

1. 实例分割（DeepMask）
   实例分割任务有其自己的任务需求与度量矩阵。简单来讲，语义分割只分割视野内目标的类型，而实例分割则不仅分割类型，同时还需要分割同类型的目标是否为同一个实例。
2. DeepMask
   网络其实实现了三个任务：前背景分割、前景语义分割与前 景实例分割.这三个任务是基于同一个网络结构进行的，只是各自有单独的分支。下图是DeepMask的网络模型概况
   

与大部分分割网络相同，DeepMask同样应用了VGG模型作为特征提取的主要模块，在训练中也用了ImageNet下训练得到的VGG参数初始化这一部分模型。

随后，DeepMask用两条分支来分别实现分割任务和前景目标识别任 务。下面我们来具体看一下这两个分支：
(1) 分割部分

分割部分要实现的是对图块内场景的类别的识别，由一个1x1卷积层后接分类层实现。这里的分类是稠密的，也就是对每一个像素都有其对应的标注。

这里需要注意的是，为了实现实例分割，分割部分的分支必须能够看到输入图块的所有信息，从而在多个目标同时存在时判断是否属于同一个我们需要的目标。比如下图中有多头大象：

但是我们只希望标注出其中的一头：

(2) 前景Score部分

网络的第二个分支要完成的任务是，判断一个图块是否满足下面两个要求：
NO.1 :目标位于图块的正中心附近
NO.2: 目标完整存在于图块中（在某一尺度范围内）
这一部分由一个2x2的最大池化层，后接两个全连接层组成。最终的输出是一个目标score，用来显示该目标是否满足上面的要求。