Mask R-CNN: Instanču segmentācija ar pikseļu līmeņa maskām
Mask R-CNN ir dziļās mācīšanās ietvars instanču segmentācijai, ko 2017. gadā ieviesa Kaimings He, Džordžija Gkioksari, Pjotrs Dolārs un Ross Giršiks no Facebook AI Research (FAIR). Tas paplašina Faster R-CNN, pievienojot paralēlu zaru, kas prognozē bināru pikseļu līmeņa masku katrai atklātajai objekta instancei, tādējādi nodrošinot vienlaicīgu objektu detektēšanu, klasifikāciju un smalkgraudainu segmentāciju vienā tiešajā pārejā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/lv/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-CNNDziļā mācīšanās↔ compare
- U-NetDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →