Mask R-CNN

Nous présentons un cadre conceptuellement simple, flexible 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. La méthode, appelée Mask R-CNN, étend Faster R-CNN en ajoutant une branche pour prédire un masque d'objet en parallèle avec la branche existante pour la reconnaissance des boîtes englobantes. Mask R-CNN est simple à entraîner et ajoute seulement une petite surcharge à Faster R-CNN, fonctionnant à 5 images par seconde (fps). De plus, Mask R-CNN peut être facilement généralisé à d'autres tâches, par exemple, nous permettant d'estimer les poses humaines dans le même cadre. Nous obtenons des résultats excellents dans les trois défis du suite COCO, y compris la segmentation d'instances d'objets, la détection d'objets par boîte englobante et la détection de points clés des personnes. Sans recourir à des techniques complexes, Mask R-CNN surpasse tous les modèles existants et simples sur chaque tâche, y compris les gagnants du défi COCO 2016. Nous espérons que notre approche simple et efficace servira de solide point de référence et facilitera les recherches futures en reconnaissance au niveau des instances.Le code est disponible à l'adresse suivante : https://github.com/facebookresearch/Detectron