masrcnn nasıl çalışır?

Bilgisayarlı görme ve makine öğrenimi alanında meraklı bir gözlemci olarak, nesne algılama ve segmentasyon için son teknoloji ürünü bir çerçeve olan Mask R-CNN'nin yetenekleri ilgimi çekiyor. Mask R-CNN'in nasıl çalıştığını detaylandırabilir misiniz? Özellikle, bir görüntüdeki nesneleri tanımlamasını ve yerelleştirmesini, aynı zamanda algılanan her nesne için piksel düzeyinde maskeler oluşturmasını sağlayan temel bileşenleri ve mekanizmaları anlamakla ilgileniyorum. Ek olarak, Mask R-CNN'in selefi Faster R-CNN'i nasıl temel aldığını ve nesne algılama ve segmentasyon alanına ne gibi iyileştirmeler getirdiğini bilmek isterim.