Mask R-CNN: Segmentació d'instàncies amb màscares a nivell de píxel
Mask R-CNN és un marc d'aprenentatge profund per a la segmentació d'instàncies introduït per Kaiming He, Georgia Gkioxari, Piotr Dollár i Ross Girshick a Facebook AI Research (FAIR) el 2017. Amplia Faster R-CNN afegint una branca paral·lela que prediu una màscara binària a nivell de píxel per a cada instància d'objecte detectada, permetent la detecció, classificació i segmentació detallada d'objectes simultàniament en una única passada endavant.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/ca/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-CNNAprenentatge profund↔ compare
- U-NetAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →