130、实例分割与全景分割：Mask R-CNN与全景分割实战调了一整天的分割模型，最后发现是数据集的JSON标注里某个类别ID从1开始而模型从0开始，这种错位问题在实例分割里太常见了。今天这篇笔记，我想从自己踩过的坑出发，把Mask R-CNN和全景分割的实战细节捋一遍。先说说为什么突然要写这个。最近在做一个仓储机器人的抓取项目，机械臂要从一堆混杂的纸箱、泡沫、胶带卷里精准抓取目标物体。之前用目标检测，bounding box框出来一堆重叠区域，机械臂不知道该抓哪里。后来换成实例分割，每个物体有了像素级的mask，抓取点直接取mask质心，效果立竿见影。但紧接着又遇到新问题——背景里的传送带、货架、地面这些"stuff"类别没法用实例分割处理，它们没有独立实例的概念。这时候全景分割就派上用场了，它把things（可数物体）和stuff（不可数背景）统一建模，输出一个每个像素都有语义标签且区分实例的完整场景解析。从检测到分割：Mask R-CNN到底改了什么Mask R-CNN是Faster R-CNN的直系后代，核心改动就三处。第一处，ROI Pooling换成了ROI Align。这个改动看似微小，实际影响巨大。ROI Pooling做两次量化，第一次把候选框坐标取整，第二次把特征图划分成固定格子时又取整，两次取整叠加导致像素级定位偏差。对于检测任务，几个像素的偏移无所谓，但分割任务要求像素级精确，偏差直接导致mask边缘锯齿状。ROI Align用双线性插值替代取整，每个格子采样四个点做插值，梯度可以回传，mask质量立刻提升。这里踩过坑——如果你用PyTorch的tor