掩码

Mask常用

与图像同尺寸的逐像素标记图，标出哪些像素属于某个物体。

掩码是一张和原图大小相同的图，每个像素取 0 或 1（或类别编号），用来标出哪些像素属于目标。分割模型的输出本质上就是掩码：语义分割每类一张，实例分割每个物体一张。它比检测框精确，框里常混着背景，掩码则贴着物体轮廓。存储时，COCO 数据集对单个物体用多边形顶点，对成群物体用游程编码（RLE）压缩。Meta 的 SAM 在 1100 万张图上标注了超过 10 亿个掩码，点一下或框一下就能得到任意物体的掩码。机器人里常用掩码从深度图或点云中只取出目标物体再算抓取。Transformer 里的注意力掩码是另一个概念，别混淆。