ScholarGate
Assistent
Machine learningObject detection / segmentation

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.

Åpne i MethodMindSnartVideoSnartLast ned lysbilder

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Metodekart

Nabolaget av beslektede metoder — velg en node for å utforske.

Mask R-CNN: Instanssegmentering med pikselnivåmasker
Faster R-CNNU-Net

Kilder

  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

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.

Sammenlign side om side

Referert av

ScholarGateMask R-CNN (Mask R-CNN (Instance Segmentation)). Hentet 2026-06-15 fra https://scholargate.app/no/deep-learning/mask-rcnn · Datasett: https://doi.org/10.5281/zenodo.20539026