Mask R-CNN: Segmentácia inštancií s maskami na úrovni pixelov
Mask R-CNN je framework hlbokého učenia pre segmentáciu inštancií, ktorý v roku 2017 predstavili Kaiming He, Georgia Gkioxari, Piotr Dollár a Ross Girshick z Facebook AI Research (FAIR). Rozširuje Faster R-CNN pridaním paralelnej vetvy, ktorá predpovedá binárnu masku na úrovni pixelov pre každú detegovanú inštanciu objektu, čo umožňuje simultánnu detekciu objektov, klasifikáciu a jemnozrnnú segmentáciu v jednom doprednom prechode.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/sk/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-CNNHlboké učenie↔ compare
- U-NetHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →