检测与分割的区别：https://www.leiphone.com/category/yanxishe/Fah5xOL3Qb96k1NL.html

1. 目标检测：预测包围盒

YOLO，Fast-RCNN，似乎还有个SSD
输入：一个矩阵(输入图像)，每个像素有 3 个值(红、绿、蓝)，如果是黑色和白色，则每个像素有 1 个值
输出：由左上角和大小定义的边框列表

2. 图像分割：预测掩模

记得最早是FCN？Mask RCNN，Unet，Segnet
输入：是一个矩阵(输入图像)，每个像素有 3 个值(红、绿、蓝)，如果是黑色和白色，则每个像素有 1 个值
输出：是一个矩阵(掩模图像)，每个像素有一个包含指定类别的值

2.1 语义分割与实例分割：

https://zhuanlan.zhihu.com/p/303355997

• 语义分割是对图像中的每一块像素都应该给出类别标签，掩膜改在每一块像素
• 实例分割只需要给出我们关注的物体的像素的类别标签，有时可以看成二值化的语义分割，掩膜只改在我要的物体。
• 我的理解是两者其实没有本质的区别