Mask R-CNN: Instanssegmentering med pikselnivåmasker
Mask R-CNN er et rammeverk for dyp læring for instanssegmentering introdusert av Kaiming He, Georgia Gkioxari, Piotr Dollár og Ross Girshick ved Facebook AI Research (FAIR) i 2017. Det utvider Faster R-CNN ved å legge til en parallell gren som predikerer en binær pikselnivåmaske for hver detekterte objektinstans, noe som muliggjør samtidig objektdeteksjon, klassifisering og finkornet segmentering i én enkelt fremadrettet passering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/no/deep-learning/mask-rcnn
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Faster R-CNNDyp læring↔ sammenlign
- U-NetDyp læring↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →