Mask R-CNN: Сегментация на екземпляри с маски на ниво пиксел
Mask R-CNN е рамка за дълбоко обучение за сегментация на екземпляри, въведена от Kaiming He, Georgia Gkioxari, Piotr Dollár и Ross Girshick в Facebook AI Research (FAIR) през 2017 г. Тя разширява Faster R-CNN, като добавя паралелен клон, който предсказва бинарна маска на ниво пиксел за всеки открит екземпляр на обект, което позволява едновременно откриване на обекти, класификация и фино сегментиране в един проход.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R-CNN. IEEE International Conference on Computer Vision (ICCV), 2980–2988. DOI: 10.1109/ICCV.2017.322 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/bg/deep-learning/mask-rcnn
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.
- Faster R-CNNДълбоко обучение↔ compare
- U-NetДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →