在计算机视觉任务中，语义分割与实例分割的核心差异体现在哪些方面？请结合两者的定义、输出粒度以及典型应用场景进行说明。

回答思路

1. 【回答框架 1】语义分割是对图像中每个像素赋予一个类别标签，不区分同一类别的不同个体，输出是像素级别的分类图。实例分割则需要在像素分类的基础上进一步区分每个个体的边界，输出为每个实例的掩码，例如COCO数据集中的任务定义。
2. 【回答框架 2】两者的核心区别在于粒度：语义分割只关心像素属于哪个类别，如所有车辆统一标为车；实例分割会区分车1、车2，同时给出各自的像素级轮廓。实例分割通常结合目标检测和语义分割，先检测出每个目标再生成掩码。
3. 【回答框架 3】应用场景不同：语义分割常用于场景理解、自动驾驶中的道路和障碍物区域划分；实例分割更适合需要精确个体计数的场景，如医学细胞计数、商品分拣等。
4. 【回答框架 4】代表方法也有所差异：语义分割常用FCN、U-Net、DeepLab等模型；实例分割常用Mask R-CNN、YOLACT、SOLO等，后者往往包含检测分支与分割分支。
5. 【回答框架 5】性能上实例分割一般比语义分割计算量更大，标注成本也更高，实际选择需根据任务对实例区分的需求来决定。
6. 【关键点 1】语义分割按类别对像素分类，不区分个体；实例分割同时区分实例并生成个体掩码。
7. 【关键点 2】实例分割输入输出粒度更细，依赖检测与分割结合，计算开销更高。
8. 【关键点 3】典型应用：语义分割用于场景语义区域划分，实例分割用于个体计数与精细对象操作。
9. 【易错点 1】不要混淆语义分割与全景分割，全景分割要求对背景进行实例化处理。
10. 【易错点 2】实例分割并不等同于目标检测加语义分割，它要求每个实例有独立的像素级掩码。
11. 【易错点 3】不能认为语义分割一定比实例分割简单，复杂场景下两者都需要强大的特征提取能力。