本公开提供了一种实例分割方法、装置及电子设备，涉及人工智能技术领域，具体涉及深度学习、计算机视觉、自然语言处理技术领域。具体实现方案为：获取M个第一特征，每个第一特征基于待分割图像在一个网络层级提取的视觉特征和待分割对象的语言表达信息的语言特征融合得到，所述待分割图像包括所述待分割对象的图像内容，M为大于1的整数；将所述M个第一特征进行不同网络层级之间的特征融合，得到M个第二特征；将所述M个第二特征进行特征融合，得到目标特征；基于所述目标特征对所述待分割图像进行实例分割，得到所述待分割图像中所述待分割对象的实例分割结果。