Mask R-CNN: Segmentação de Instâncias com Máscaras em Nível de Pixel
Mask R-CNN é uma estrutura de aprendizado profundo para segmentação de instâncias introduzida por Kaiming He, Georgia Gkioxari, Piotr Dollár e Ross Girshick no Facebook AI Research (FAIR) em 2017. Ele estende o Faster R-CNN adicionando um ramo paralelo que prevê uma máscara binária em nível de pixel para cada instância de objeto detectada, permitindo detecção, classificação e segmentação fina de objetos simultaneamente em uma única passagem direta.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/pt/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-CNNAprendizado profundo↔ compare
- U-NetAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →