Machine learningDeep learning / NLP / CV
تقسيم الكيانات (Instance Segmentation)
تقسيم الكيانات هو مهمة رؤية حاسوبية تكتشف بشكل متزامن كل كائن مميز في صورة وتنتج قناعًا دقيقًا على مستوى البكسل لكل كيان كائن فردي. على عكس التقسيم الدلالي (semantic segmentation)، الذي يصنف كل بكسل بفئة، فإن تقسيم الكيانات يميز بين الكائنات المنفصلة من نفس الفئة، مما يتيح فهمًا مكانيًا دقيقًا.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
المصادر
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- Instance segmentation. Wikipedia. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Instance Segmentation (per-object pixel-level detection and masking). ScholarGate. https://scholargate.app/ar/deep-learning/instance-segmentation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تصنيف الصورالتعلم العميق↔ compare
- تجزئة الكائنات متعددة الوسائطالتعلم العميق↔ compare
- اكتشاف الكائناتالتعلم العميق↔ compare
- التجزئة الدلاليةالتعلم العميق↔ compare
يُستشهد بها في
تجزئة المثيل المتكيفة مع المجالتجزئة المثيل القابلة للتفسيرالكشف عن الأشياء القابل للتفسيرالتجزئة الدلالية القابلة للتفسيرالتجزئة الدلالية المضبوطة بدقةتجزئة المعنى متعددة اللغاتتجزئة الكائنات متعددة الوسائطالتجزئة الدلالية متعددة الوسائطاكتشاف الكائناتالتجزئة الذاتية للإستنساخالتجزئة الدلالية ذاتية الإشرافالتجزئة الدلاليةتجزئة المثيل شبه المُشرف عليهااكتشاف الكائنات شبه المُشرف عليهالتجزئة الدلالية شبه المُشرف عليهاالتعلم بالنقل مع تجزئة المثيلاتتجزئة المثيلات ضعيفة الإشرافالكشف عن الكائنات بإشراف ضعيف