Google在許多深度學(xué)習(xí)的研究都一再提到，高品質(zhì)的訓(xùn)練資料取得并不容易，而這個(gè)問題已經(jīng)成為發(fā)展電腦視覺的主要瓶頸，對(duì)于諸如自動(dòng)駕駛、機(jī)器人或是圖片搜尋等這類以像素為辨識(shí)基礎(chǔ)的工作更是如此。

傳統(tǒng)的方法需要使用者手動(dòng)以標(biāo)記工具，圈出圖片中物體的邊界，Google提到，使用COCO加Stuff資料集，標(biāo)記一個(gè)圖片需要19分鐘，標(biāo)記完整個(gè)資料集需要53000個(gè)小時(shí)，太過耗時(shí)沒效率。因此Google探索了全新的訓(xùn)練資料標(biāo)記方法-流體標(biāo)注（Fluid Annotation），能以機(jī)器學(xué)習(xí)幫助使用者快速找出圖片物體輪廓上標(biāo)簽。

流體標(biāo)注從強(qiáng)語義分割模型的輸出開始，使用者能以自然的使用者界面，借由機(jī)器學(xué)習(xí)輔助進(jìn)行編輯和修改，界面提供使用者需要修正的物體以及順序，讓人們能夠?qū)Ｐ挠谀切C(jī)器尚無法辨識(shí)清楚的部分。為了標(biāo)注圖片，Google預(yù)先以約一千張具有分類標(biāo)簽和信任分?jǐn)?shù)的圖片訓(xùn)練了語意分割模型（Mask-RCNN），具有***信心的片段（Segment）能被用于初始標(biāo)簽中。

流體標(biāo)注能夠?yàn)槭褂谜弋a(chǎn)生一個(gè)短清單，透過點(diǎn)擊就能快速為物體上標(biāo)簽，而使用者也可以增加范圍標(biāo)記，來覆蓋沒被偵測(cè)出來的物體，并透過滾動(dòng)選擇***的形狀。另外，除了能夠增加，也能刪除既有的物體標(biāo)記或是變更物體深度順序。

目前這一階段的流體標(biāo)注的目標(biāo)是讓圖像更快更容易，提高整體資料集標(biāo)記速度達(dá)三倍。接下來Google要改進(jìn)物體邊界標(biāo)記，并以更多的人工智能加速界面操作，擴(kuò)展界面以處理現(xiàn)在無法辨識(shí)的類別。