색칠 공부처럼 이미지 상의 모든 픽셀에 대해 클래스 카테고리를 부여한다.

중첩은 분할하지 않고 인식한다.

하늘이나 길과 같은 물체로 셀 수 없는 클래스의 영역 분할로 가능하다.

U-NET을 이용한 Auto Encoder 방식이 주된 사용 예이다.

Object detection과 같은 물체의 인식을 픽셀 레벨에서 수행하는 태스크이다.

중첩의 경우 분할하여 인식한다.

Rol 단위로 모든 것을 분할할 수는 없다.

Mask R-CNN이 주요 모델이며, detection 기법을 사용하며 instance 영역을 취득한 후, 각각의 영역에 대해 mask를 예측한다.

semantic cegmentation과 instance segmentation을 결합한 방식이다.

이 태스크에서는 셀 수 있는 클래스(예를 들어 차나 사람)를 Thing 클래스라고 하며, 셀 수 없는 클래스(예를 들어 하늘이나 길)는 Stuff 클래스 라고 하는데, Thing 클래스에 대해서는 Instance Segmentation, Stuff 클래스에 대해서는 semantic segmentation을 수행한다.