摘要在计算机视觉领域，目标检测和实例分割是两个核心任务。传统的做法是分别训练两个独立的模型来完成这两个任务，这不仅增加了计算开销，还无法充分利用两个任务之间的互补信息。本文提出了一种基于YOLOv5的多任务联合学习框架——YOLOv5-MTS（Multi-Task Segmentation），通过在同一骨干网络下同时学习目标检测和实例分割任务，实现了模型的高效融合。实验结果表明，该模型在COCO、Cityscapes和BDD100K等数据集上取得了优异性能，在保持实时性的同时显著提升了分割精度。一、背景与动机1.1 为什么需要多任务联合学习？自动驾驶、机器人导航和智能监控等应用场景要求系统同时理解目标的类别、位置和轮廓信息。传统方案存在以下问题：冗余计算：两个独立模型需要分别进行特征提取信息孤岛：检测和分割任务无法共享互补信息资源占用：模型参数量和推理时间成倍增加1.2 YOLOv5的优势与局限YOLOv5作为最流行的单阶段目标检测器，具有速度快、精度高、部署方便等优点。但其原生版本仅支持边界框检测，无法输出像素级分割结果。因此，我们需要对YOLOv5进行扩展，使其具备实例分割能力。二、模型架构设计2.1 整体架构YOLOv5-MTS采用编码器-解码器结构，包含以下核心模块：text输入图像 (640×6