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.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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.
- Faster R-CNNAprendizaje profundo↔ compare
- U-NetAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →