Segmentation d'instances multimodale
La segmentation d'instances multimodale étend la segmentation d'instances classique — qui attribue un masque par pixel et une étiquette de classe à chaque objet individuel dans une image — en intégrant des flux de capteurs complémentaires tels que des cartes de profondeur, des nuages de points LiDAR ou des trames infrarouges. La fusion de ces modalités aide le modèle à gérer les apparences ambiguës, le faible éclairage et l'occlusion qui déroutent les systèmes basés uniquement sur la RVB.
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., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- Instance segmentation. Wikipedia. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multimodal Instance Segmentation (Multi-sensor Deep Mask Prediction). ScholarGate. https://scholargate.app/fr/deep-learning/multimodal-instance-segmentation
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.
- Segmentation d'instancesApprentissage profond↔ compare
- Détection d'objets multimodaleApprentissage profond↔ compare
- Multimodal Vision TransformerApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →