Mask R-CNN: Instantiesegmentatie met pixel-niveau maskers
Mask R-CNN is een deep learning-framework voor instantiesegmentatie, geïntroduceerd door Kaiming He, Georgia Gkioxari, Piotr Dollár en Ross Girshick bij Facebook AI Research (FAIR) in 2017. Het breidt Faster R-CNN uit door een parallelle tak toe te voegen die een binaire masker op pixel-niveau voorspelt voor elke gedetecteerde objectinstantie, waardoor gelijktijdige objectdetectie, classificatie en fijne segmentatie in één enkele forward pass mogelijk wordt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/nl/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-CNNDeep learning↔ compare
- U-NetDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →