Mask R-CNN: Instanssegmentering med pixelnivåmasker
Mask R-CNN är ett ramverk för djupinlärning för instanssegmentering introducerat av Kaiming He, Georgia Gkioxari, Piotr Dollár och Ross Girshick vid Facebook AI Research (FAIR) 2017. Det utökar Faster R-CNN genom att lägga till en parallell gren som förutsäger en binär pixelnivåmask för varje detekterad objektinstans, vilket möjliggör samtidig objektdetektering, klassificering och detaljerad segmentering i en enda framåtriktad passage.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/sv/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-CNNDjupinlärning↔ compare
- U-NetDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →