Mask R-CNN: Üksikute objektide segmentatsioon pikslitasemel maskidega
Mask R-CNN on süvaõppe raamistik üksikute objektide segmentatsiooniks, mille autoriteks on Kaiming He, Georgia Gkioxari, Piotr Dollár ja Ross Girshick Facebook AI Research (FAIR) uurimisinstituudist 2017. aastal. See laiendab Faster R-CNN-i, lisades paralleelse haru, mis ennustab iga tuvastatud objekti eksemplari jaoks binaarset pikslitasemel maski, võimaldades samaaegselt objektide tuvastamist, klassifitseerimist ja peeneteralist segmentatsiooni ühe edasipääsuga.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/et/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-CNNSüvaõpe↔ compare
- U-NetSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →