---
title: "影像分割（Image Segmentation）"
slug: image-segmentation
language: zh-TW
source: https://aiterms.tw/terms/image-segmentation
updated_at: 2026-04-29
tags: [電腦視覺, 深度學習, 模型評估, AI應用, 神經網路]
ipas_term: false
---

# 影像分割（Image Segmentation）

> **你有沒有想過，AI 如果不只看這張圖是什麼，還能把每個像素都分清楚，會有多方便？**
>
> 你可以把影像分割想成把圖片切成一塊一塊有意義的區域。
> 它比分類和偵測更細，會直接標出物體邊界，所以在醫療影像和自駕上很重要。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆

> **影像分割 vs 物件偵測**
> 偵測通常只畫框
> 分割會畫出像素級邊界
> 最關鍵的區別是粗略定位，還是精準輪廓
>
> **影像分割 vs 圖像分類**
> 分類只給整張圖貼標籤
> 分割要把每個區域標清楚
> 最關鍵的區別是整體判斷，還是像素標註
>
### 記住這句就好

> 把輪廓一像素一像素畫出來。

### 實際案例

> **醫學影像**
> 腫瘤、器官或病灶常需要影像分割，因為醫師在乎的是邊界，不只是有沒有。
>
> **道路和車道**
> 自動駕駛要知道可行駛區域和車道邊界，影像分割比單純偵測更細。
>
### 算法與應用

> U 型網路和 Mask R-CNN 都是很常見的分割模型。
> 評估時常看 Dice 系數或 IoU，重點是預測區域和真實區域重疊得多不多。

### 情境判斷

> **Q1：** 你只要知道這是什麼物體，還需要分割嗎？
> → 不一定，分類或偵測可能就夠了。
>
> **Q2：** 你要描出腫瘤邊界，會選什麼任務？
> → 影像分割，因為你在意的是像素級輪廓。
>
### 常見問題

> **Q：Dice 系數是什麼？**
> 它是在看分割結果和真實標註重疊得多不多。
>
> **Q：U-Net 為什麼常被提到？**
> 因為它在醫療影像分割很常用，結構也很經典。
>
> **Q：怎麼選分割方法？**
> 要看影像型態、精度需求和算力限制。
>
### 相關術語

> - **U型網路**：分割任務最經典的模型之一
> - **遷移學習**：分割資料不夠多時常會一起用到，實務上很常見
> - **物件偵測**：先學偵測，會更懂分割的細緻程度
> - **電腦視覺**：影像分割是電腦視覺的重要任務
> - **卷積神經網路**：多數分割模型都建立在它之上

---

來源：https://aiterms.tw/terms/image-segmentation
快查頁：https://aiterms.tw/terms/image-segmentation
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-image-segmentation