谷歌推出基于机器学习的图像标注方式
近日，谷歌公司推出了一款新型图像标注方式 “流体标注”，即采用机器学习来注释分类标签并勾勒出图片中的每个对象和背景区域。谷歌表示其可将标记数据集的速度提高3倍。
据悉，谷歌推出的流体标注模型主要利用人工智能学习的基础，对图像数据进行自动标注，对于标注不准确或者出现偏差的地方可以通过人工调整，从而提高标注效率。即便该模型可借助机器学习提升标注速度，但最初还需进行人为地数据标注，为其提供初始训练数据集。事实也正是如此，为了标注图片，谷歌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。但该模型尚不完美，谷歌称，物体边界标记问题、界面操作速度以及类别扩展等仍需进一步研究或完善。
传统手动标记（中列）和流体标注（右）比较
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
谷歌
+关注
关注
27文章
6126浏览量
104900 -
机器学习
+关注
关注
66文章
8340浏览量
132276
原文标题：谷歌推出新型图像标注方式
文章出处：【微信号：robotmagazine，微信公众号：机器人技术与应用】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
谷歌机器学习获重大突破
谷歌昨日召开全球电话会议，旗下Deep MInd创始人戴密斯·哈萨比斯（Demis Hassabis）宣布了谷歌在人工智能领域的重要进展：开发出一款能够在围棋中击败职业选手的程序——AlphaGo，后者能够通过机器
发表于 01-29 10:04
•777次阅读
新闻图像人脸标注方法
针对传统新闻图像中人脸标注方法主要依赖人脸相似度信息，分辨噪声和非噪声人脸能力以及非噪声人脸标注能力较差的问题，提出一种基于多模态信息融合的新闻图像人脸
发表于 11-27 10:29
•0次下载
基于卷积神经网络的图像标注模型
针对图像自动标注中因人工选择特征而导致信息缺失的缺点，提出使用卷积神经网络对样本进行自主特征学习。为了适应图像自动标注的多标签
发表于 12-07 14:30
•4次下载
谷歌推出一款基于AI和深度学习的图像标注方式“流体标注”
本文中的内容将在2018年ACM多媒体会议“勇敢新理念”环节中展示，谷歌的研究人员研究了一种机器学习驱动的界面，可用于标注分类数据，划定图像
谷歌新闻：谷歌解雇48名员工 新推机器学习标注图片功能
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。
基于隐马尔科夫模型和卷积神经网络的图像标注方法
开发大规模图像库的搜索和浏览算法，使得图像自动标注的重要性日益增强。基于隐马尔科夫模型（HMM）与卷积神经网络（CNN），我们提出了一种新的图像标注
发表于 11-16 17:17
•4次下载
谷歌推出开源的量子机器学习库TensorFlow Quantum
谷歌在其官方AI博客宣布推出TensorFlow Quantum（TFQ），这是一个开源的量子机器学习库，可将量子计算与机器
谷歌希望通过图片标注来帮助训练其人工智能
人工智能发展的一个良性循环，最适合像谷歌这样拥有大量数据和大量用户的科技巨头部署。 这根本不是什么稀奇的做法。机器学习系统不仅仅是自己学习，这些应用中的绝大多数都需要使用人类
基于强化学习的壮语词标注方法
目前壮语智能信息处理研究处于起步阶段，缺乏自动词性标注方法。针对壮语标注语料匮乏、人工标注费时费力而机器标注性能较差的现状，提出一种基于强化
发表于 05-14 11:29
•14次下载
工商网监
评论