# Mask R-CNN

**Authors:** Kaiming He, Georgia Gkioxari, Piotr Dollár, Ross Girshick  
**arXiv:** [1703.06870](https://arxiv.org/abs/1703.06870)  
**Date:** 2017-03-20  
**Summary page:** https://www.summarizepaper.com/fr/paper/1703.06870v3/

## Key points

- Présentation d'un cadre simple, flexible et général pour la segmentation d'instances d'objets
- L'approche appelée Mask R-CNN détecte efficacement les objets dans une image tout en générant simultanément un masque de segmentation de haute qualité pour chaque instance
- La méthode étend Faster R-CNN en ajoutant une branche pour prédire un masque d'objet en parallèle avec la branche existante pour la reconnaissance de boîte englobante
- Mask R-CNN est simple à entraîner et n'ajoute qu'une petite surcharge à Faster R-CNN, fonctionnant à 5 images par seconde
- Facile à généraliser à d'autres tâches telles que l'estimation des poses humaines dans le même cadre
- Des résultats supérieurs ont été montrés dans les trois pistes du COCO suite of challenges, y compris la segmentation d'instances, la détection d'objets de boîte englobante et la détection des points clés des personnes
- Sans artifices ni fioritures, Mask R-CNN surpasse toutes les entrées de modèle unique existantes sur chaque tâche, y compris les vainqueurs du COCO 2016 challenge
- Les auteurs espèrent que leur approche simple et efficace servira de base solide et aidera à faciliter les futures recherches en reconnaissance au niveau des instances.
- Le code a été rendu disponible sur : https://github.com/facebookresearch/Detectron.

## Summary

: 
     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 de boîte englobante. Mask R-CNN est simple à entraîner et n'ajoute qu'une petite surcharge à Faster R-CNN, fonctionnant à 5 images par seconde. De plus, elle est facile à généraliser à d'autres tâches telles que l'estimation des poses humaines dans le même cadre. Nous montrons des résultats supérieurs dans les trois pistes du COCO suite of challenges, y compris la segmentation d'instances, la détection d'objets de boîte englobante et la détection des points clés des personnes. Sans artifices ni fioritures, Mask R-CNN surpasse toutes les entrées de modèle unique existantes sur chaque tâche, y compris les vainqueurs du COCO 2016 challenge. Les auteurs espèrent que leur approche simple et efficace servira de base solide et aidera à faciliter les futures recherches en reconnaissance au niveau des instances. Le code a été rendu disponible sur : https://github.com/facebookresearch/Detectron.