语义分割和分类

1. 语义分割：给图像每个像素一个语义标签或者给点云中每个点一个语义标签。缺点：如果无法对实例进行判别，比如把人的标签订为红色像素，如果有两个红色像素，无法区分这两个红色像素是属于同一个人还是属于不同的人。

2. 分类：划分不同类别的事物。比如人，车，树。缺点：无法区分同类别中的个体。

3. 实例分割：把属于同一类别的不同个体区分出来，比如人1，人2，车1，车2，树1，树2，树3...

4. anoptic Segmentation（全景分割）

最后说说全景分割，它是语义分割和实例分割的结合。如下图所示，每个像素都被分为一类，如果一种类别里有多个实例，会用不同的颜色进行区分，我们可以知道哪个像素属于哪个类中的哪个实例。比如下图中黄色和红色都属于人这一个类别里，但是分别属于不同的实例（人），因此我们可以通过mask的颜色很容易分辨出不同的实例（https://zhuanlan.zhihu.com/p/50996404）