Nous présentons un cadre conceptuellement simple, souple et général pour la segmentation d’instances d’objets. Notre approche détecte efficacement les objets dans une image tout en générant simultanément un masque de segmentation de haute qualité pour chaque instance. Cette méthode, nommée Mask R-CNN, étend Faster R-CNN en ajoutant une branche supplémentaire pour prédire un masque d’objet, en parallèle de la branche existante dédiée à la reconnaissance de boîtes englobantes. Mask R-CNN est facile à entraîner et n’ajoute qu’un surcoût minimal à Faster R-CNN, avec une vitesse d’exécution de 5 images par seconde. En outre, Mask R-CNN se généralise aisément à d’autres tâches, par exemple permettant d’estimer la posture humaine dans le même cadre. Nous obtenons les meilleurs résultats sur les trois catégories du défi COCO, notamment la segmentation d’instances, la détection d’objets par boîtes englobantes et la détection des points clés humains. Sans recourir à des améliorations supplémentaires, Mask R-CNN surpassent tous les modèles existants à une seule architecture sur chaque tâche, y compris les gagnants du défi COCO 2016. Nous espérons que notre approche simple et efficace servira de base solide et facilitera les recherches futures en reconnaissance au niveau des instances. Le code source est disponible à l’adresse suivante : https://github.com/facebookresearch/Detectron