Mask R-CNN: сегментація екземплярів з масками на рівні пікселів
Mask R-CNN — це фреймворк глибокого навчання для сегментації екземплярів, представлений Kaiming He, Georgia Gkioxari, Piotr Dollár та Ross Girshick у Facebook AI Research (FAIR) у 2017 році. Він розширює Faster R-CNN, додаючи паралельну гілку, яка прогнозує бінарну маску на рівні пікселів для кожного виявленого екземпляра об’єкта, забезпечуючи одночасне виявлення об’єктів, класифікацію та детальну сегментацію за один прямий прохід.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Mask R-CNN (Instance Segmentation). ScholarGate. https://scholargate.app/uk/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-CNNГлибоке навчання↔ compare
- U-NetГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →