Segmentation d'instances
La segmentation d'instances est une tâche dans le domaine de la vision par ordinateur visant à identifier des objets individuels dans une image et à séparer les contours de chaque objet tout en attribuant une étiquette unique à chacun. Son objectif est de générer une carte de segmentation au niveau des pixels, garantissant que chaque pixel de l'image soit attribué avec précision à une instance d'objet spécifique, ce qui permet une localisation et une différenciation précises de plusieurs objets dans des scènes complexes. Cette technologie a une valeur considérable dans des applications telles que la conduite autonome, l'analyse d'images médicales et la vision robotique.
COCO test-dev
Co-DETR
COCO minival
Co-DETR
LVIS v1.0 val
Eff-B7 NAS-FPN (1280, Copy-Paste pre-training))
Cityscapes val
Mask2Former (Swin-L, single-scale)
ADE20K val
OneFormer (DiNAT-L, single-scale)
Cityscapes test
PolyTransform
ARMBench
RISE (VIT-B)
Occluded COCO
Separated COCO
Swin-B + Cascade Mask R-CNN (tri-layer modelling)
iSAID
TBBR
BDD100K val
Mask Transfiner
COCO 2017 val
SparK (ConvNeXt V1-B Mask R-CNN)
COCO val (panoptic labels)
OoDIS
NYUDv2-IS
SUN-RGBD-IS
IAM + SOLQ
UIIS
WaterMask RCNN
Box-IS
COCO
ColorMAE-Green-ViTB-1600
coco minval
R3-CNN (ResNet-50-FPN, GC-Net)
COCO-N Medium
Mask R-CNN ResNet-50 FPN
COCO val2017
MogaNet-S (256x192)
iShape
KINS
BCNet
LDD
Leaf Segmentation Challenge
LeafMask
LVIS v1.0 test-dev
nuScenes
TraDeS
NYU Depth v2
SGPN-CNN
PartNet
TexBiG 2022 test
VSR (Vison, Semantics and Relation Model)
TexBiG 2023 test
UAVBillboards
YOLOv8-X
UFBA-425
BB-UNet