Mask R-CNN: Instanzsegmentierung mit pixelgenauen Masken
Mask R-CNN ist ein Deep-Learning-Framework für die Instanzsegmentierung, das 2017 von Kaiming He, Georgia Gkioxari, Piotr Dollár und Ross Girshick am Facebook AI Research (FAIR) eingeführt wurde. Es erweitert Faster R-CNN um einen parallelen Zweig, der für jede erkannte Objektinstanz eine binäre pixelgenaue Maske vorhersagt und somit Objekterkennung, Klassifizierung und feingranulare Segmentierung in einem einzigen Vorwärtsdurchlauf ermöglicht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/de/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-CNNDeep Learning↔ compare
- U-NetDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →