ScholarGate
Assistente
Machine learningObject detection / segmentation

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Mask R-CNN: Segmentazione di istanze con maschere a livello di pixel
Faster R-CNNU-Net

Fonti

  1. 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.

Compare side by side

Citato da

ScholarGateMask R-CNN (Mask R-CNN (Instance Segmentation)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/mask-rcnn · Insieme di dati: https://doi.org/10.5281/zenodo.20539026