谷歌推出「流體標註」模型 圖像標註速度提升三倍

人工智慧已經成為科技圈最火的話題之一，無疑代表著前沿方向。但是這個看上去高端的技術背後卻需要大量的人工作業，甚至以「勞動密集型」產業作為基石。這就牽扯到人工智慧中一個重要組成部分——機器學習。

與人類學習方式不同，想要讓計算機理解或識別出一個物體需要大量被標註的數據充當樣本，在機器了解該物體特徵後才能在識別新物體時進行判斷。比如想要準確在一張照片中判斷主體是貓還是狗，需要成千上萬張被標註的貓狗照片，讓機器識別、學習。

打開今日頭條，查看更多精彩圖片

那麼如何獲得被標註的數據？目前主要依靠人工來對圖片中信息進行標註，如劃分主體與背景，可以想像對於一個龐大的資料庫而言，這需要多少人工作業。

近日據報道，谷歌推出了一種全新的圖像標註模型——流體標註。這種方式可以通過機器學習來標註分類標籤並勾勒出圖片中的主體、對象、背景。谷歌表示該種方式標註數據集的速度可以提升三倍，面對巨大的市場需求以及效率低的人工作業顯然更有優勢。

人工標註（左）與流體標註（右）對比

當然這個模型最初同樣需要相應的標註數據進行「新手訓練」，而且谷歌也指出該模型還不夠完善，對於物體邊界標註、界面操作速度等還需要進一步完善。

隨著人工智慧關注度和應用場景增加，未來對於被標註數據的需求顯然更大，此前在一次採訪中，AMD Radeon技術事業部、工程研發高級副總裁王啟尚就曾談到，標註數據是機器學習、人工智慧發展過程中的一項挑戰。對此AMD與合作夥伴以打造「模擬世界」的方式，在虛擬數字世界模擬產生數據，進行機器學習的訓練和驗證，從而提升效率。

總而言之，如何產生大量被標註的數據樣本顯然是當前階段AI團隊及公司需要共同攻克的難題!

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！