A Comparative Study of Faster R-CNN, Mask R-CNN, and YOLOv8 for Object Detection and Instance Segmentation, with a Custom-Class Transfer-Learning Case Study
Este artigo fornece uma análise comparativa teórica e qualitativa do Faster R-CNN, Mask R-CNN e YOLOv8 para detecção de objetos e segmentação de instâncias, demonstrando, por meio de um estudo de caso de um veículo militar personalizado, que detectores de estágio único leves podem se adaptar efetivamente a novas classes via aprendizado por transferência enquanto superam modelos de dois estágios treinados apenas em conjuntos de dados gerais, tudo dentro do contexto de arquiteturas de detecção em tempo real em evolução.