这项工作提出了一种新的学习目标，用于训练深度神经网络以端到端的方式执行图像像素聚类。我们将该方法应用于实例分割，这是图像语义分割和对象检测的交叉领域。我们利用实例标记最基本的属性——像素之间的成对关系——作为监督来制定学习目标，然后将其应用于训练全卷积网络（FCN），以学习执行像素级聚类。生成的聚类可以直接用作实例标记。为了支持无限数量的实例标记，我们进一步将图着色理论的思想融入所提出的学 习目标中。在Cityscapes数据集上的评估表明了该方法的强大性能，从而证明了其概念的有效性。此外，我们的方法在2017年CVPR自动驾驶挑战赛的车道检测竞赛中获得了第二名，并且是在不使用外部数据的情况下表现最佳的方法。