Wikipedia dit que la segmentation d'image est une opération de traitement d'images qui a pour but de rassembler des pixels entre eux suivant des critères pré-définis. Les pixels sont ainsi regroupés en régions, qui constituent un pavage ou une partition de l'image. Il peut s'agir par exemple de séparer les objets du fond.

La version anglaise beaucoup plus riche !

Yolo v3 est utilisé avec:

• Yolo Darknet avec un vrai sémaphore

Les Perceptron, Perceptron multi-couche, CNN sont expliqués sur la page Intelligence Artificielle.

R-CNN = Regional Convolutional Neural Network

• Mask-R-CNN expliqué
• The best explanation of convolutional neural networks on the internet

Un peu de zik:

• MASK R-CNN
• YOLO You only look once
• Deeplab Xception

• ImageNet est une base de données d'images annotées

• COCO is a large-scale object detection, segmentation, and captioning dataset

ROI = Region of interest

• Region of interest

Mask R-CNN

• CNN = Convolutional neural network

Region of Interest pooling (also known as RoI pooling ou Roi) is a variant of max pooling, in which output size is fixed and input rectangle is a parameter.

Pooling is an important component of convolutional neural networks for object detection based on Fast R-CNN architecture.

• Mask R-CNN for Object Detection and Segmentation sur github

Mask R-CNN is based on Feature Pyramid Network (FPN) and a ResNet101 backbone.

• matterport 352 East Java Drive, Sunnyvale, CA, 94089

• Feature Pyramid Networks for Object Detection

• ResNet-101 in Keras
• ResNet-101 Deep Residual Learning for Image Recognition