【写在前面】 构建鲁棒的通用对目标测框架需要扩展到更大的标签空间和更大的训练数据集。然而，大规模获取数千个类别的标注成本过高。作者提出了一种新方法，利用最近视觉和语言模型中丰富的语义来定位和分类未标记图像中的对象，有效地生成用于目标检测的伪标签。从通用的和类无关的区域建议（region proposal）机制开始，作者使用视觉和语言模型将图像的每个区域分类为下游任务所需的任何对象类别。作者

文章目录 题目论文概述：摘要引言相关工作视网膜图像匹配（Retinal Image Matching，RIM）的进展自然图像匹配的进展 方法网络结构训练算法基于特征点的视网膜图像匹配 实验验证通用设置任务一：视网膜图像配准任务二：基于视网膜的身份认证 结论 题目 Semi-Supervised Keypoint Detector and Descriptor for Retin

ECCV2022_P2BNet 论文阅读 文章目录 ECCV2022_P2BNet 论文阅读0 Abstract**0-1 MIL:multiple instance learning(多示例学习)** 1 Introduction**1-0 WSOD：weakly supervised object detection（弱监督对象检测）** 2 Contributions**2-0 P2