Mask R-CNN : segmentation d'instances avec des masques au niveau du pixel
Mask R-CNN est un cadre d'apprentissage profond pour la segmentation d'instances introduit par Kaiming He, Georgia Gkioxari, Piotr Dollár et Ross Girshick à Facebook AI Research (FAIR) en 2017. Il étend Faster R-CNN en ajoutant une branche parallèle qui prédit un masque binaire au niveau du pixel pour chaque instance d'objet détectée, permettant la détection, la classification et la segmentation fine d'objets simultanément en une seule passe avant.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/fr/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-CNNApprentissage profond↔ compare
- U-NetApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →