谷歌推出基于機器學習的圖像標注方式
近日，谷歌公司推出了一款新型圖像標注方式 “流體標注”，即采用機器學習來注釋分類標簽并勾勒出圖片中的每個對象和背景區(qū)域。谷歌表示其可將標記數據集的速度提高3倍。
據悉，谷歌推出的流體標注模型主要利用人工智能學習的基礎，對圖像數據進行自動標注，對于標注不準確或者出現偏差的地方可以通過人工調整，從而提高標注效率。即便該模型可借助機器學習提升標注速度，但最初還需進行人為地數據標注，為其提供初始訓練數據集。事實也正是如此，為了標注圖片，谷歌預先以約一千張具有分類標簽和信任分數的圖片訓練了語意分割模型。但該模型尚不完美，谷歌稱，物體邊界標記問題、界面操作速度以及類別擴展等仍需進一步研究或完善。
傳統(tǒng)手動標記（中列）和流體標注（右）比較
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
谷歌
+關注
關注
27文章
6254瀏覽量
111373 -
機器學習
+關注
關注
66文章
8553瀏覽量
136931
原文標題：谷歌推出新型圖像標注方式
文章出處：【微信號：robotmagazine，微信公眾號：機器人技術與應用】歡迎添加關注！文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
熱點推薦
谷歌機器學習獲重大突破
谷歌昨日召開全球電話會議，旗下Deep MInd創(chuàng)始人戴密斯·哈薩比斯（Demis Hassabis）宣布了谷歌在人工智能領域的重要進展：開發(fā)出一款能夠在圍棋中擊敗職業(yè)選手的程序——AlphaGo，后者能夠通過機器
發(fā)表于 01-29 10:04
?987次閱讀
新聞圖像人臉標注方法
針對傳統(tǒng)新聞圖像中人臉標注方法主要依賴人臉相似度信息，分辨噪聲和非噪聲人臉能力以及非噪聲人臉標注能力較差的問題，提出一種基于多模態(tài)信息融合的新聞圖像人臉
發(fā)表于 11-27 10:29
?0次下載
基于卷積神經網絡的圖像標注模型
針對圖像自動標注中因人工選擇特征而導致信息缺失的缺點，提出使用卷積神經網絡對樣本進行自主特征學習。為了適應圖像自動標注的多標簽
發(fā)表于 12-07 14:30
?4次下載
基于SAE的自動圖像標注算法
自動圖像標注是一個包含眾多標簽、多樣特征的富有挑戰(zhàn)性的研究問題，是新一代圖像檢索與圖像理解的關鍵步驟．針對傳統(tǒng)的基于淺層機器
發(fā)表于 12-28 10:59
?0次下載
谷歌AI新技能：理解圖像美觀度
谷歌的人工智能研究人員最近展示了一種新的訓練方式，可以讓計算機理解為什么有些圖像比其他圖像更美觀。傳統(tǒng)上，機器會使用基本的分類——比如判斷一
發(fā)表于 01-24 07:05
?2493次閱讀
谷歌推出一款基于AI和深度學習的圖像標注方式“流體標注”
本文中的內容將在2018年ACM多媒體會議“勇敢新理念”環(huán)節(jié)中展示，谷歌的研究人員研究了一種機器學習驅動的界面，可用于標注分類數據，劃定圖像
基于隱馬爾科夫模型和卷積神經網絡的圖像標注方法
開發(fā)大規(guī)模圖像庫的搜索和瀏覽算法，使得圖像自動標注的重要性日益增強?；陔[馬爾科夫模型（HMM）與卷積神經網絡（CNN），我們提出了一種新的圖像標注
發(fā)表于 11-16 17:17
?4次下載
谷歌推出開源的量子機器學習庫TensorFlow Quantum
谷歌在其官方AI博客宣布推出TensorFlow Quantum（TFQ），這是一個開源的量子機器學習庫，可將量子計算與機器
谷歌希望通過圖片標注來幫助訓練其人工智能
人工智能發(fā)展的一個良性循環(huán)，最適合像谷歌這樣擁有大量數據和大量用戶的科技巨頭部署。 這根本不是什么稀奇的做法。機器學習系統(tǒng)不僅僅是自己學習，這些應用中的絕大多數都需要使用人類
基于強化學習的壯語詞標注方法
目前壯語智能信息處理研究處于起步階段，缺乏自動詞性標注方法。針對壯語標注語料匱乏、人工標注費時費力而機器標注性能較差的現狀，提出一種基于強化
發(fā)表于 05-14 11:29
?14次下載
工商網監(jiān)
評論