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 !

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

The goal of the joint COCO and Mapillary Workshop is to study object recognition in the context of scene understanding.

ROI = Region of interest

• https://en.wikipedia.org/wiki/Region_of_interest

Mask R-CNN

• CNN = Convolutional neural network https://en.wikipedia.org/wiki/Convolutional_neural_network#GPU_implementations

Region of Interest pooling (also known as RoI pooling) 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 C'est le dépôt le mieux noté dans la catégorie Mask R-CNN sur GitHub, mais est-ce le plus adapté à mon besoin ? ===Feature Pyramid Network=== * Feature Pyramid Networks for Object Detection ===ResNet-101=== * ResNet-101 in Keras * ResNet-101 Deep Residual Learning for Image Recognition**