#Semantic Segmentation

目标检测通过绘制方框来框选物体；语义分割则根据图像含义为每个像素着色。本文将从两者的区别入手，探讨实例分割和全景分割，追溯 R-CNN、YOLO、DETR 和 DINO 的发展历程，直至它们对应的 3D 点云模型——系统地介绍场景理解的基本原理。

本文基于原始论文，对NVIDIA、香港大学及其合作者在NeurIPS 2021上提出的SegFormer进行了深入剖析。我们考察了不带位置编码的分层MiT编码器、参数高效的All-MLP解码器、有效感受野、测量得到的mIoU、参数数量，并使用公式计算了从B0到B5的性能。

从基于Transformer的SegFormer和Mask2Former，到能够从提示信息中提取任何对象的Segment Anything系列，本文将探讨分割技术在摆脱固定类别限制后的发展现状。