现在实例分割比较好的模型有哪些

目前，实例分割领域的优秀模型主要有以下几种：

1. Mask R-CNN：Mask R-CNN 是一种在 Faster R-CNN 框架上进行扩展的实例分割模型。它可以同时预测出每个目标物体的位置和形状，并生成其对应的掩码图像。

2. U-Net：U-Net 是一种基于全卷积神经网络的实例分割模型。它具有高精度、高效率的特点，适合处理医学图像等领域的任务。

3. YOLACT：YOLACT 是一种基于单阶段目标检测器的实例分割模型，它可以实现实例分割和目标检测的同时进行，具有很高的速度和准确率。

4. SOLO：SOLO 是一种基于点的实例分割模型，它可以对每个目标物体生成一组密集的点，并通过点的聚合来实现实例分割。

5. Panoptic FPN：Panoptic FPN 是一种基于特征金字塔网络的实例分割模型，它可以同时处理实例分割和语义分割任务，并将两者进行融合，生成一张全景分割图。

以上这些模型在实例分割领域都取得了非常优秀的成果，不同的模型适用于不同的任务场景，选择合适的模型可以提高实例分割任务的准确度和效率。