谷歌推机器学习标注图片中物体界面 整体速度提高3倍

　　Google在许多深度学习的研究都一再提到，高品质的训练资料取得并不容易，而这个问题已经成为发展电脑视觉的主要瓶颈，对于诸如自动驾驶、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。

　　传统的方法需要使用者手动以标记工具，圈出图片中物体的边界，Google提到，使用COCO加Stuff资料集，标记一个图片需要19分钟，标记完整个资料集需要53000个小时，太过耗时没效率。因此Google探索了全新的训练资料标记方法-流体标注（Fluid Annotation），能以机器学习帮助使用者快速找出图片物体轮廓上标签。

　　流体标注从强语义分割模型的输出开始，使用者能以自然的使用者界面，借由机器学习辅助进行编辑和修改，界面提供使用者需要修正的物体以及顺序，让人们能够专心于那些机器尚无法辨识清楚的部分。为了标注图片，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），具有最高信心的片段（Segment）能被用于初始标签中。

　　流体标注能够为使用者产生一个短清单，透过点击就能快速为物体上标签，而使用者也可以增加范围标记，来覆盖没被侦测出来的物体，并透过滚动选择最佳的形状。另外，除了能够增加，也能删除既有的物体标记或是变更物体深度顺序。

　　目前这一阶段的流体标注的目标是让图像更快更容易，提高整体资料集标记速度达三倍。接下来Google要改进物体边界标记，并以更多的人工智能加速界面操作，扩展界面以处理现在无法辨识的类别。