ScholarGate
Assistent
Machine learningObject detection / segmentation

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.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Mask R-CNN: Instanzsegmentierung mit pixelgenauen Masken
Faster R-CNNU-Net

Quellen

  1. 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.

Compare side by side

Referenziert von

ScholarGateMask R-CNN (Mask R-CNN (Instance Segmentation)). Abgerufen am 2026-06-15 von https://scholargate.app/de/deep-learning/mask-rcnn · Datensatz: https://doi.org/10.5281/zenodo.20539026