该论文提出了一种基于语义分割的实例分割系统，利用 CRF 预测具有对象类和实例标签的分割地图，从而提高难度较大的像素级别分割精度，使像素不能属于多个实例，并在 Pascal VOC 和 Cityscapes 数据集上取得最新颖的结果。

Apr, 2017

提出了一种新的、非常简单的实例分割方法，通过引入 “实例类别” 概念，将实例掩码分割转化为可分类问题。实验结果表明，该方法具有较强的性能和简单的框架，可以作为许多实例级别识别任务的基准。

Dec, 2019

视频实例分割是一项新兴的计算机视觉研究领域，该论文调查了基于深度学习的视频实例分割方案，包括架构设计、性能比较、模型复杂度和计算开销，以及改进性能和未来研究方向等方面的信息。

Oct, 2023

本文提出了一种用于解决实例分割问题的新方法，即通过对象分层实现，通过将重叠的对象分组到不同的层中，可以轻松分离实例并获得竞争性的结果。

Oct, 2022

本篇论文介绍了如何通过使用深度卷积神经网络，建立图像中的显著性实例分割方法，通过一个多尺度显著实例分割网络生成高质量的显著性分割结果，并在公共基准测试中取得了最优的结果。

Apr, 2017

本文提出了一种基于盒子的实例分割方法，通过引入目标检测和实例规范化技术，实现在生物图像识别中更准确的实例分割。

Nov, 2019

介绍一种新的角度来处理实例分割任务：引入 “实例类别” 的概念，其根据实例的位置给每个像素分配类别，从而提出了 Segmenting Objects by Locations（SOLO）。我们的方法消除了后处理分组或边界框检测的需求，并以在速度和准确性方面都取得了最新成果，同时比现有方法相对简单。

Jun, 2021

该研究提出了一种基于循环神经网络的端到端方法，通过顺序地查找每个不同的目标对象及其分割来解决实例分割的问题，并通过空间记忆来跟踪已解释的像素，以处理遮挡，这种方法优于当前所有最先进的方法。

Nov, 2015

本研究提出了一种名为 Simultaneous Detection and Segmentation 的任务，使用卷积神经网络实现目标检测、区域分割及语义分割，与现有方法相比具有更高的准确性，并提供了诊断工具以指导未来工作。

Jul, 2014

该论文介绍了一种基于距离变换的对象段表示方法和基于残差解卷积结构的对象掩码网络，实现了跨越边界框的对象分割；并将其整合到一个多任务网络级联框架中，学习了最终二进制对象掩码。实验表明，这种方法在目标生成和实例分割方面优于现有的技术。

Dec, 2016