文章预览
“ 问 渠 那 得 清 如 许 ， 为 有 源 头 活 水 来 ” ， 通 过 前 沿 领 域 知 识 的 学 习 ， 从 其 他 研 究 领 域 得 到 启 发 ， 对 研 究 问 题 的 本 质 有 更 清 晰 的 认 识 和 理 解 ， 是 自 我 提 高 的 不 竭 源 泉 。 为 此 ， 我 们 特 别 精 选 论 文 阅 读 笔 记 ， 开 辟 “ 源 头 活 水 ” 专 栏 ， 帮 助 你 广 泛 而 深 入 的 阅 读 科 研 文 献 ， 敬 请 关 注！ 题目：Object Affinity Learning: Towards Annotation-Free Instance Segmentation 目标亲和性学习：迈向无需标注的实例分割 作者：Yuqi Wang; Yuntao Chen; Zhaoxiang Zhang 源码链接：https://github.com/Robertwyq/Object-Affinity 关键词 对象亲和学习 几何信息 无需标注的实例分割 I. 引言 实例分割旨在从各种场景中定位和分割对象。尽管在带标注数据集和深度网络的监督下，对象检测[1][2][3][4][5]和实例分割[6][7][8][9][10]取得了巨大进
………………………………
