Mask R-CNN: Instanssegmentering med pixel-niveau masker
Mask R-CNN er et deep learning-framework til instanssegmentering introduceret af Kaiming He, Georgia Gkioxari, Piotr Dollár og Ross Girshick hos Facebook AI Research (FAIR) i 2017. Det udvider Faster R-CNN ved at tilføje en parallel gren, der forudsiger en binær maske på pixel-niveau for hver detekteret objektinstans, hvilket muliggør samtidig objekt-detektion, klassifikation og finkornet segmentering i et enkelt forward pass.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/da/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-CNNDyb læring↔ compare
- U-NetDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →