We presenteren een doordacht eenvoudig, aanpasbaar en algemeen systeem voor bijvoorbeeld segmentatie van objecten. Onze methodologie identificeert de vragen in een beeld, terwijl er tegelijkertijd een uitstekende verdeling is voor elk voorval. De techniek, genaamd Mask R-CNNN, verbreedt Faster R-CNNN door het opnemen van een tak voor het voorzien van een artikeldeksel parallel aan de huidige tak voor het stuiteren van de doosbevestiging. Cover R-CNNN is eenvoudig voor te bereiden en voegt slechts een beetje overhead toe aan Faster R-CNNN, die draait met 5 fps. Bovendien is het masker R-CNN allesbehalve moeilijk, om verschillende ondernemingen samen te vatten, zodat we bijvoorbeeld menselijke houdingen in een soortgelijk systeem kunnen meten. We tonen topresultaten in elk van de drie sporen van de COCO-suite van moeilijkheden, met inbegrip van voorbeelddeling, identificatie van springplankobjecten en individuele keypointherkenning. Zonder fancy odds en ends, Mask R-CNN verslaat alle huidige, single-model secties op elke boodschap, met inbegrip van de COCO 2016 test victors. We vertrouwen erop dat onze rechttoe rechtaan en levensvatbare methodologie een sterk patroon zal vormen en zal bijdragen aan het vergemakkelijken van toekomstig onderzoek op het gebied van de erkenning van het voorbeeldniveau.