普通 YOLO 检测 与 YOLO-seg（实例分割）差在哪里

Ultralytics 里名字差一个 -seg：yolo11n.pt 和 yolo11n-seg.pt 不是换皮，是 多了一条输出支路。下面按「输入一路怎么走、最后多出什么」写，少用比喻，方便你对照代码和 Netron 里的图。

---

1. 共同点：前面大半条路是一样的

两条线通常都包含：

1. Backbone：把输入图像压成多层特征图（空间变小、通道变多），提取边缘、纹理、形状等层次信息。
2. Neck（如 FPN / PAN）：把不同分辨率的特征再融合，让大目标、小目标都能被照顾到。

到 Neck 为止，检测版和分割版往往共用同一套权重里的这部分（同一权重文件里不会「前半截两套参数」；你换 -seg 权重，是整网一起换，不是只换后半截）。说「共享」指的是 设计上一套骨干+颈，不是指你可以在 n 检测权重上「只接一个分割头」不训练就用。

---

2. 检测版：多一个「检测头」就够了

从 Neck 出来，接 Detection Head。它干的事可以概括成：在多个尺度的特征图上，对每个 锚点 / 网格位置 预测：

• 有没有目标（objectness）、
• 框相对网格的偏移（得到 BBox）、
• 类别概率。

输出：一组稀疏结果——每个实例几个数（框 + 类 + 分），没有「每个像素属于谁」的稠密图。

所以：框是粗粒度的外接矩形；框和某区域在几何上相交，不等于人体像素真的进了那个区域。

---

3. 分割版：在检测之上再加「分割头」

-seg 在 同一套 Neck 特征（或与之对齐的特征）上，再挂 Segmentation（实例掩码）分支。它和检测头 并行从融合特征里取信息，不是「Backbone 跑两遍」。

它多出来的东西（概念上）：

• 对每个 保留下来的检测实例，再预测一组 与掩码相关的量（常见实现里不是对整图 H×W 每个位置单独跑一层全分类，而是用 相对低分辨率的 mask 原型 / 系数 组合出每实例一张 mask，再 上采样 到和框或原图对齐；具体连接方式以你导出的 ONNX 为准）。
• 推理结果里除了 boxes，还有 masks：每张实例一张 0～1 或 logits 再 sigmoid 的稠密图（实现里经常是 小于原图 的尺寸，需要 resize 或库里的对齐逻辑对齐到原图）。

所以表格里更准确的一句是：检测头负责「实例在哪、哪类」；分割头负责「这个实例占哪些像素（近似）」。

---

4. 对照表（记这个就够开会）

项目	普通检测 yolo11n	实例分割 yolo11n-seg
典型权重后缀	.pt，无 -seg	.pt，带 -seg
Neck 之后	检测头	检测头 + 掩码分支
必备输出	框、类、置信度	框、类、置信度 + 每实例 mask
算力、显存	相对小	通常更大（多一条支路 + 上采样/后处理）
适用	只要「有没有、框在哪」	要轮廓、抠图、和任意 ROI 做像素与等

---

5. 和 Python 里 results 的对应关系

from ultralytics import YOLO

model = YOLO("yolo11n-seg.pt", task="segment")
results = model(img, verbose=False)

r0 = results[0]
# 检测头侧：框、置信度、类别
if r0.boxes is not None:
    xyxy = r0.boxes.xyxy      # 像素坐标，形状 [N, 4]
    conf = r0.boxes.conf      # [N]
    cls = r0.boxes.cls        # [N]

# 分割头侧：掩码（可能需在原图尺寸上再对齐）
if r0.masks is not None:
    m = r0.masks.data         # 常见 [N, Hm, Wm]，float；N 与保留的实例数一致
    # 对齐到原图 (H, W) 用库接口或 cv2.resize，勿与 letterbox 逆变换搞反

检测-only 的权重里 masks 一般为 None；-seg 权重在有人检出且未被过滤掉时才有 mask。

---

6. 部署和量产时多惦记三件事（和「是不是 seg」强相关）

1. 图更大、支路更多：同样 imgsz，-seg 往往比纯检测慢、占内存多；板子上用 端到端时间 测，别只盯 NPU 子图。
2. 导出图里算子：常见有 Resize、Sigmoid、Mul 等，是否全进 NPU 要看 SDK；回退 CPU 时延迟可能陡增。
3. INT8：掩码边缘对量化误差敏感，量化后 阈值 τ、形态学 可能要重新扫一遍。

---

7. 一句话收尾

普通 YOLO：Neck 后面主要是 检测头，输出框+类+分。
YOLO-seg：Neck 后面 检测头还在，另外加 掩码分支，给每个实例一张 像素级（或对齐到像素）的 mask。

结构差异可以记成 「多一条支路、多一类输出」；不必记「第几个车间」，记 数据流和 results 里多出来的字段 更实在。

---

Ultralytics 各版本张量名、默认 imgsz、是否默认 letterbox 以当前文档为准；要抠实现细节请 export 成 ONNX 用 Netron 打开看一遍。