图像标注速度提升10倍！

　　这是多伦多大学与英伟达联合公布的一项最新研究：Curve-GCN的应用结果。

　　Curve-GCN是一种高效交互式图像标注方法，其性能优于Polygon-RNN++。在自动模式下运行时间为29.3ms，在交互模式下运行时间为2.6ms，比Polygon-RNN ++分别快10倍和100倍。

　　数据标注是人工智能产业的基础，在机器的世界里，图像与语音、视频等一样，是数据的一个种类。

　　对象实例分割是在图像中概括给定类的所有对象的问题，这一任务在过去几年受到了越来越多的关注，传统标记工具通常需要人工先在图片上点击光标描记物体边缘来进行标记。

　　然而，手动跟踪对象边界是一个费力的过程，每个对象大概需要30-60秒的时间。

　　为了缓解这个问题，已经提出了许多交互式图像分割技术，其通过重要因素加速注释。但是交互式分割方法大多是逐像素的（比如DEXTR），在颜色均匀的区域很难控制，所以最坏的情况下仍然需要很多点击。

　　Polygon-RNN将humans-in-the-loop（人机回圈）过程进行构架，在此过程中模型按顺序预测多边形的顶点。通过纠正错误的顶点，注释器可以在发生错误时进行干预。该模型通过调整校正来继续其预测。 Polygon-RNN显示在人类协议水平上产生注释，每个对象实例只需点击几下。这里最糟糕的情况是多边形顶点的数量，大多数对象的范围最多为30-40个点。

　　然而，模型的重复性将可扩展性限制为更复杂的形状，导致更难的训练和更长的推理。此外，期望注释器按顺序纠正错误，这在实践中通常是具有挑战性的。

　　在多大，人文教育是整个本科教学纲目的核心，大学所扮演的主要角色是学生的专业化教育。同时，由于UT在研究方面的孜孜不倦，其学术及研究方面一直处于领先地位，是整个加拿大的研究生教育中心，为整个国家供应着博士级的人才。学校所提供的项目质量与范围吸引着全省、全国乃至全世界的学生。

　　无论是科研经费、捐款、国家教授奖项、研究出版规模还是藏书量等皆远超加拿大其他学府。坐拥着全世界前三大的图书馆体系，用于教学与研究。多伦多大学出版社在加拿大乃至全北美影响深远。

　　多伦多大学亦为美国大学协会中仅有的两所非美国学府之一。多伦多大学每年发表的科研论文数量在北美仅次于哈佛大学，引用数量位居世界前五。主要贡献：干细胞及胰岛素的发现，电子起搏器、多点触摸技术、电子显微镜、抗荷服的发明和发展，NP完全理论，以及发现首个经核证的黑洞。