近日,谷歌公司推出了一款新型圖像標(biāo)注方式 “流體標(biāo)注”,即采用機(jī)器學(xué)習(xí)來(lái)注釋分類(lèi)標(biāo)簽并勾勒出圖片中的每個(gè)對(duì)象和背景區(qū)域。谷歌表示其可將標(biāo)記數(shù)據(jù)集的速度提高3倍。
據(jù)悉,谷歌推出的流體標(biāo)注模型主要利用人工智能學(xué)習(xí)的基礎(chǔ),對(duì)圖像數(shù)據(jù)進(jìn)行自動(dòng)標(biāo)注,對(duì)于標(biāo)注不準(zhǔn)確或者出現(xiàn)偏差的地方可以通過(guò)人工調(diào)整,從而提高標(biāo)注效率。即便該模型可借助機(jī)器學(xué)習(xí)提升標(biāo)注速度,但最初還需進(jìn)行人為地?cái)?shù)據(jù)標(biāo)注,為其提供初始訓(xùn)練數(shù)據(jù)集。事實(shí)也正是如此,為了標(biāo)注圖片,谷歌預(yù)先以約一千張具有分類(lèi)標(biāo)簽和信任分?jǐn)?shù)的圖片訓(xùn)練了語(yǔ)意分割模型。但該模型尚不完美,谷歌稱,物體邊界標(biāo)記問(wèn)題、界面操作速度以及類(lèi)別擴(kuò)展等仍需進(jìn)一步研究或完善。
傳統(tǒng)手動(dòng)標(biāo)記(中列)和流體標(biāo)注(右)比較
聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
原文標(biāo)題:谷歌推出新型圖像標(biāo)注方式
文章出處:【微信號(hào):robotmagazine,微信公眾號(hào):機(jī)器人技術(shù)與應(yīng)用】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
相關(guān)推薦
谷歌昨日召開(kāi)全球電話會(huì)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(lǐng)域的重要進(jìn)展:開(kāi)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(guò)機(jī)器
發(fā)表于 01-29 10:04
?784次閱讀
在本章中,我們將討論機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用。首先,定義機(jī)器學(xué)習(xí),并學(xué)習(xí)它的兩種算法——監(jiān)
發(fā)表于 10-18 16:08
?2294次閱讀
DIY圖像壓縮——機(jī)器學(xué)習(xí)實(shí)戰(zhàn)之K-means 聚類(lèi)圖像壓縮:色彩量化
發(fā)表于 08-19 07:07
基于本體的圖像自動(dòng)標(biāo)注_李麗莎
發(fā)表于 03-16 08:00
?1次下載
針對(duì)傳統(tǒng)新聞圖像中人臉標(biāo)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(biāo)注能力較差的問(wèn)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
針對(duì)圖像自動(dòng)標(biāo)注中因人工選擇特征而導(dǎo)致信息缺失的缺點(diǎn),提出使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行自主特征學(xué)習(xí)。為了適應(yīng)圖像自動(dòng)標(biāo)注的多標(biāo)簽
發(fā)表于 12-07 14:30
?4次下載
現(xiàn)有圖像自動(dòng)標(biāo)注技術(shù)算法可以大致劃分為基于語(yǔ)義的標(biāo)注算法、基于矩陣分解的標(biāo)注算法、基于概率的標(biāo)注算法以及基于圖
發(fā)表于 12-14 11:46
?2次下載
自動(dòng)圖像標(biāo)注是一個(gè)包含眾多標(biāo)簽、多樣特征的富有挑戰(zhàn)性的研究問(wèn)題,是新一代圖像檢索與圖像理解的關(guān)鍵步驟.針對(duì)傳統(tǒng)的基于淺層機(jī)器
發(fā)表于 12-28 10:59
?0次下載
本文中的內(nèi)容將在2018年ACM多媒體會(huì)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(jī)器學(xué)習(xí)驅(qū)動(dòng)的界面,可用于標(biāo)注分類(lèi)數(shù)據(jù),劃定圖像
發(fā)表于 10-24 09:17
?5546次閱讀
Google在2018 ACM多媒體會(huì)議上,推出一種使用機(jī)器學(xué)習(xí)來(lái)標(biāo)注圖片界面,讓使用者快速為圖片中物體標(biāo)記出輪廓以及標(biāo)簽,提高整體標(biāo)記速度達(dá)三倍。
發(fā)表于 10-26 14:42
?2840次閱讀
開(kāi)發(fā)大規(guī)模圖像庫(kù)的搜索和瀏覽算法,使得圖像自動(dòng)標(biāo)注的重要性日益增強(qiáng)。基于隱馬爾科夫模型(HMM)與卷積神經(jīng)網(wǎng)絡(luò)(CNN),我們提出了一種新的圖像標(biāo)注
發(fā)表于 11-16 17:17
?4次下載
谷歌在其官方AI博客宣布推出TensorFlow Quantum(TFQ),這是一個(gè)開(kāi)源的量子機(jī)器學(xué)習(xí)庫(kù),可將量子計(jì)算與機(jī)器
發(fā)表于 03-11 14:25
?2464次閱讀
人工智能發(fā)展的一個(gè)良性循環(huán),最適合像谷歌這樣擁有大量數(shù)據(jù)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(jī)器學(xué)習(xí)系統(tǒng)不僅僅是自己學(xué)習(xí),這些應(yīng)用中的絕大多數(shù)都需要使用人類(lèi)
發(fā)表于 11-12 10:45
?1182次閱讀
目前壯語(yǔ)智能信息處理研究處于起步階段,缺乏自動(dòng)詞性標(biāo)注方法。針對(duì)壯語(yǔ)標(biāo)注語(yǔ)料匱乏、人工標(biāo)注費(fèi)時(shí)費(fèi)力而機(jī)器標(biāo)注性能較差的現(xiàn)狀,提出一種基于強(qiáng)化
發(fā)表于 05-14 11:29
?14次下載
圖像標(biāo)注是通過(guò)一定方式對(duì)圖像進(jìn)行標(biāo)記分類(lèi),是對(duì)數(shù)據(jù)集的圖像進(jìn)行標(biāo)記以訓(xùn)練機(jī)器
發(fā)表于 12-19 08:29
?459次閱讀
評(píng)論