Machine learningObject detection / segmentation

Mask R-CNN: Segmentación de Instancias con Máscaras a Nivel de Píxel

Mask R-CNN es un marco de aprendizaje profundo para la segmentación de instancias, introducido por Kaiming He, Georgia Gkioxari, Piotr Dollár y Ross Girshick en Facebook AI Research (FAIR) en 2017. Extiende Faster R-CNN añadiendo una rama paralela que predice una máscara binaria a nivel de píxel para cada instancia de objeto detectada, permitiendo la detección, clasificación y segmentación fina de objetos simultáneamente en una única pasada hacia adelante.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Mask R-CNN: Segmentación de Instancias con Máscaras a Nivel de Píxel
Faster R-CNNU-Net

Fuentes

  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

Cómo citar esta página

ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/es/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

Citado por

ScholarGateMask R-CNN (Mask R-CNN (Instance Segmentation)). Recuperado el 2026-06-15 de https://scholargate.app/es/deep-learning/mask-rcnn · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026