流体标注从强语义分割模型的界面输出开始，推出一种使用机器学习来标注图片界面，速度
流体标注能够为使用者产生一个短清单，谷歌标记一个图片需要19分钟，推机提高无码科技而使用者也可以增加范围标记，器学
由于现代基于深度学习电脑视觉模型的习标性能，另外，注图整体提高整体标记速度达三倍。片中标记完整个资料集需要53000个小时，太过耗时没效率。界面提供使用者需要修正的物体以及顺序，能以机器学习帮助使用者快速找出图片物体轮廓上标签。
10月24日上午消息，使用者能以自然的使用者界面，
传统的方法需要使用者手动以标记工具，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。而这个问题已经成为发展电脑视觉的主要瓶颈，Google提到，借由机器学习辅助进行编辑和修改，取决标签训练资料的多少，让人们能够专心于那些机器尚无法辨识清楚的部分。圈出图片中物体的边界，据中国台湾地区媒体iThome.com.tw报道，
具有最高信心的片段(Segment)能被用于初始标签中。并透过滚动选择最佳的形状。使用COCO加Stuff资料集，除了能够增加，目前这一阶段的流体标注的目标是让图像更快更容易，高品质的训练资料取得并不容易，Google在许多深度学习的研究都一再提到，为了标注图片，让使用者快速为图片中物体标记出轮廓以及标签，越大的资料库将能让机器学习有更好的表现。因此Google探索了全新的训练资料标记方法-流体标注(Fluid Annotation)，对于诸如自动驾驶、也能删除既有的物体标记或是变更物体深度顺序。提高整体资料集标记速度达三倍。