Mask R-CNN: Pikselitason maskeilla tapahtuva instanssien segmentointi
Mask R-CNN on syväoppimiskehys instanssien segmentointiin, jonka Kaiming He, Georgia Gkioxari, Piotr Dollár ja Ross Girshick esittelivät Facebook AI Researchissa (FAIR) vuonna 2017. Se laajentaa Faster R-CNN -mallia lisäämällä rinnakkaisen haaran, joka ennustaa binäärisen pikselitason maskin jokaiselle tunnistetulle instanssille, mahdollistaen samanaikaisen objektintunnistuksen, luokittelun ja yksityiskohtaisen segmentoinnin yhdessä eteenpäinajossa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/fi/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-CNNSyväoppiminen↔ compare
- U-NetSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →