Mask R-CNN: Segmentacja instancji z maskami na poziomie pikseli
Mask R-CNN to framework głębokiego uczenia do segmentacji instancji, wprowadzony przez Kaiminga He, Georgię Gkioxari, Piotra Dollára i Rossa Girshicka w Facebook AI Research (FAIR) w 2017 roku. Rozszerza on Faster R-CNN poprzez dodanie równoległej gałęzi, która przewiduje binarne maski na poziomie pikseli dla każdej wykrytej instancji obiektu, umożliwiając jednoczesne wykrywanie obiektów, klasyfikację i precyzyjną segmentację w jednym przebiegu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/pl/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-CNNUczenie głębokie↔ compare
- U-NetUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →