实例分割的目的是使用像素级的实例掩码对单个对象进行分类和定位。这是计算机视觉中一项具有挑战性的任务。目前存在分割速度慢、小目标分割精度低、分割边缘不均匀等问题。针对上述问题，提出了一种基于目标轮廓的图像分割方法。一方面，对目标轮廓上的节点进行特征提取，避免了在不受检测帧影响的情况下对目标内部像素进行处理，从而加快了分割速度。另一方面，对图像进行逐步分割，在多个层次上提取目标轮廓上的特征，结合多尺度融合的特征处理方法，可以更好地提取上下文语义信息，减少特征的丢失。实验结果表明，该算法在Cityscapes和KINS数据集的平均分割精度分别达到32.4%AP和32.0%AP，高于目前许多优秀作品，在对象分割边缘的平滑度和拟合度方面具有较好的处理效果。实验表明，基于目标轮廓的案例分割网络在案例分割任务中具有较好的分割能力。