深度學習知識地圖 · 電腦視覺
影像分割
U-Net, Mask R-CNN
觀念教學
電腦視覺四大核心任務，用「一張有貓有狗的照片」來理解：
1. 物件偵測（Object Detection）
用框框把物體圈出來，告訴你「這裡有一隻貓、那裡有一隻狗」。
只畫方框，不管輪廓細節。
代表模型：YOLO、Faster R-CNN
2. 語義分割（Semantic Segmentation）
把每個像素塗色：所有貓的像素塗紅色、所有狗的像素塗藍色、背景塗灰色。
但如果有兩隻貓，它們會被塗成同一個顏色，分不出誰是誰。
代表模型：U-Net、DeepLab
3. 實例分割（Instance Segmentation）
語義分割的升級版，不只塗色還分個體：貓A 紅色、貓B 橘色、狗 藍色。
每個物體都有自己的精確輪廓遮罩。
代表模型：Mask R-CNN
4. 全景分割（Panoptic Segmentation）
終極大合體，前景物體用實例分割（分個體），背景用語義分割（天空、道路、草地各塗一色）。
整張圖每個像素都有歸屬，沒有遺漏。
代表模型：Panoptic FPN、Mask2Former
簡單記法：偵測畫框框 → 語義塗顏色 → 實例分個體 → 全景全都包
應用場景
評估指標
iPAS 歷屆考題詳解(3 題)
先自行作答,再展開詳解。題目出處均為 iPAS AI 應用規劃師正式考題,著作權屬原主辦單位。
在自駕車影像辨識系統中，開發團隊希望模型能同時辨識每個像素所屬的物件類別（例如道路、建築、行人），又能區分出同類物件的不同個體（例如多位行人）。此時最適合採用下列哪一項電腦視覺技術？
- A語義分割（Semantic Segmentation）
- B物件偵測（Object Detection）
- C實例分割（Instance Segmentation）
- D全景分割（Panoptic Segmentation）
看正解與逐選項詳解
正解:D
某自駕車感知系統需要在同一張影像中同時完成道路、建築、行人的逐像素分類，並且能夠區分畫面中兩名相鄰行人（標記為「行人#1」和「行人#2」）。工程師在選擇語義分割（Semantic Segmentation）與實例分割（Instance Segmentation）時，請問兩者的根本差異為何？
- A實例分割對每個像素進行分類但不產生 Bounding Box；語義分割產生Bounding Box 但不進行像素級標記
- B實例分割僅用於影像層級的類別分類，語義分割才進行逐像素標記
- C語義分割將每個像素分配至預定義類別，但同一類別內的不同個體無法區分；實例分割能對同一類別的不同物件（如兩名行人）分別建立獨立遮罩（Mask）
- D語義分割與實例分割皆為逐像素分類任務，但兩者在是否需要區分不同物件個體上並無差異
看正解與逐選項詳解
正解:C
某大型超市的防損系統需要即時偵測多名顧客各自手持的購物籃、手機與商品，並需對每個物件進行精確區域標記（Pixel-level Mask），同時能區分畫面中不同個體（即使不同顧客拿著相同商品，也需分別標記）。請問下列哪一項技術最適合此場景的需求？
- A影像分類（Image Classification）
- B目標檢測（Object Detection）
- C實例分割（Instance Segmentation）
- D語義分割（Semantic Segmentation）
看正解與逐選項詳解
正解:C