Mask R-CNN: Segmentace instancí s maskami na úrovni pixelů
Mask R-CNN je framework hlubokého učení pro segmentaci instancí, který v roce 2017 představili Kaiming He, Georgia Gkioxari, Piotr Dollár a Ross Girshick z Facebook AI Research (FAIR). Rozšiřuje Faster R-CNN přidáním paralelní větve, která pro každou detekovanou instanci objektu předpovídá binární masku na úrovni pixelů, což umožňuje současnou detekci objektů, klasifikaci a jemnozrnnou segmentaci v jediném průchodu vpřed.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/cs/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-CNNHluboké učení↔ compare
- U-NetHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →