Mask R-CNN: การแบ่งส่วนอินสแตนซ์ด้วยมาสก์ระดับพิกเซล
Mask R-CNN เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกสำหรับการแบ่งส่วนอินสแตนซ์ที่นำเสนอโดย Kaiming He, Georgia Gkioxari, Piotr Dollár และ Ross Girshick ที่ Facebook AI Research (FAIR) ในปี 2017 มันขยาย Faster R-CNN โดยการเพิ่มสาขาแบบขนานที่ทำนายมาสก์ระดับพิกเซลแบบไบนารีสำหรับแต่ละอินสแตนซ์วัตถุที่ตรวจพบ ทำให้สามารถตรวจจับ จัดประเภท และแบ่งส่วนวัตถุอย่างละเอียดได้พร้อมกันในการส่งผ่านไปข้างหน้าครั้งเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/th/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-CNNการเรียนรู้เชิงลึก↔ compare
- U-Netการเรียนรู้เชิงลึก↔ compare