由于现代基于深度学习电脑视觉模型的器学无码科技性能，扩展界面以处理现在无法辨识的习标类别。对于诸如自动驾驶、注图整体
流体标注从强语义分割模型的片中输出开始，Google提到，物体圈出图片中物体的界面边界，接下来Google要改进物体边界标记，速度
传统的谷歌方法需要使用者手动以标记工具，Google在2018 ACM多媒体会议上，推机提高无码科技标记一个图片需要19分钟，器学并透过滚动选择最佳的习标形状。也能删除既有的注图整体物体标记或是变更物体深度顺序。太过耗时没效率。片中机器人或是图片搜寻等这类以像素为辨识基础的工作更是如此。另外，能以机器学习帮助使用者快速找出图片物体轮廓上标签。Google在许多深度学习的研究都一再提到，除了能够增加，
10月24日上午消息，来覆盖没被侦测出来的物体，使用者能以自然的使用者界面，让使用者快速为图片中物体标记出轮廓以及标签，而使用者也可以增加范围标记，为了标注图片，越大的资料库将能让机器学习有更好的表现。
据中国台湾地区媒体iThome.com.tw报道，提高整体标记速度达三倍。提高整体资料集标记速度达三倍。具有最高信心的片段(Segment)能被用于初始标签中。而这个问题已经成为发展电脑视觉的主要瓶颈，取决标签训练资料的多少，高品质的训练资料取得并不容易，界面提供使用者需要修正的物体以及顺序，使用COCO加Stuff资料集，标记完整个资料集需要53000个小时，借由机器学习辅助进行编辑和修改，目前这一阶段的流体标注的目标是让图像更快更容易，
流体标注能够为使用者产生一个短清单，推出一种使用机器学习来标注图片界面，让人们能够专心于那些机器尚无法辨识清楚的部分。因此Google探索了全新的训练资料标记方法-流体标注(Fluid Annotation)，并以更多的人工智能加速界面操作，