据中国台湾地区媒体iThome.com.tw报道，Google在2018 ACM多媒体会议上，推出一种使用机器学习来标注图片界面，让使用者快速为图片中物体标记出轮廓以及标签，提高整体标记速度达三倍。由于现代基于深度学习电脑视觉模型的性能，取决标签训练资料的多少，越大的资料库将能让机器学习有更好的表现。


　　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。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。