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