Mask R-CNN: Instance Segmentation pixel-szintű maszkokkal
A Mask R-CNN egy mélytanulási keretrendszer az instanciaszegmentációhoz, amelyet Kaiming He, Georgia Gkioxari, Piotr Dollár és Ross Girshick vezetett be a Facebook AI Research (FAIR) intézetében 2017-ben. Ez kiterjeszti a Faster R-CNN modellt egy párhuzamos ág hozzáadásával, amely minden észlelt objektumpéldányhoz egy bináris, pixel-szintű maszkot jósol. Ez lehetővé teszi az objektumok egyidejű észlelését, osztályozását és finom szemcsézettségű szegmentálását egyetlen előrehaladási lépésben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/hu/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-CNNMélytanulás↔ compare
- U-NetMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →