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，而這個問題已經(jīng)成為發(fā)展電腦視覺的主要瓶頸，對于諸如自動駕駛、機器人或是圖片搜尋等這類以像素為辨識基礎(chǔ)的工作更是如此。

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

流體標注從強語義分割模型的輸出開始，使用者能以自然的使用者界面，借由機器學(xué)習(xí)輔助進行編輯和修改，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器尚無法辨識清楚的部分。為了標注圖片，Google預(yù)先以約一千張具有分類標簽和信任分數(shù)的圖片訓(xùn)練了語意分割模型（Mask-RCNN），具有***信心的片段（Segment）能被用于初始標簽中。

流體標注能夠為使用者產(chǎn)生一個短清單，透過點擊就能快速為物體上標簽，而使用者也可以增加范圍標記，來覆蓋沒被偵測出來的物體，并透過滾動選擇***的形狀。另外，除了能夠增加，也能刪除既有的物體標記或是變更物體深度順序。

目前這一階段的流體標注的目標是讓圖像更快更容易，提高整體資料集標記速度達三倍。接下來Google要改進物體邊界標記，并以更多的人工智能加速界面操作，擴展界面以處理現(xiàn)在無法辨識的類別。