Mask R-CNN: Segmentazione di istanze con maschere a livello di pixel
Mask R-CNN è un framework di deep learning per la segmentazione di istanze introdotto da Kaiming He, Georgia Gkioxari, Piotr Dollár e Ross Girshick presso Facebook AI Research (FAIR) nel 2017. Estende Faster R-CNN aggiungendo un ramo parallelo che predice una maschera binaria a livello di pixel per ogni istanza di oggetto rilevata, consentendo il rilevamento, la classificazione e la segmentazione dettagliata degli oggetti simultaneamente in un singolo passaggio forward.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/it/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-CNNApprendimento profondo↔ compare
- U-NetApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →