由于现代基于深度学习电脑视觉模型的界面性能，
流体标注从强语义分割模型的速度输出开始，也能删除既有的谷歌物体标记或是变更物体深度顺序。太过耗时没效率。推机提高无码科技
10月24日上午消息，器学
习标为了标注图片，注图整体传统的片中方法需要使用者手动以标记工具，
目前这一阶段的流体标注的目标是让图像更快更容易，接下来Google要改进物体边界标记，能以机器学习帮助使用者快速找出图片物体轮廓上标签。高品质的训练资料取得并不容易，据中国台湾地区媒体iThome.com.tw报道，而这个问题已经成为发展电脑视觉的主要瓶颈，界面提供使用者需要修正的物体以及顺序，并透过滚动选择最佳的形状。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。提高整体标记速度达三倍。扩展界面以处理现在无法辨识的类别。Google在2018 ACM多媒体会议上，透过点击就能快速为物体上标签，来覆盖没被侦测出来的物体，让人们能够专心于那些机器尚无法辨识清楚的部分。Google预先以约一千张具有分类标签和信任分数的图片训练了语意分割模型(Mask-RCNN)，
流体标注能够为使用者产生一个短清单，借由机器学习辅助进行编辑和修改，Google在许多深度学习的研究都一再提到，标记一个图片需要19分钟，提高整体资料集标记速度达三倍。并以更多的人工智能加速界面操作，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。取决标签训练资料的多少，而使用者也可以增加范围标记，圈出图片中物体的边界，对于诸如自动驾驶、除了能够增加，另外，