Google在許多深度學習的研究都一再提到，高品質的訓練資料取得并不容易，而這個問題已經成為發展電腦視覺的主要瓶頸，對于諸如自動駕駛、機器人或是圖片搜尋等這類以像素為辨識基礎的工作更是如此。

傳統的方法需要使用者手動以標記工具，圈出圖片中物體的邊界，Google提到，使用COCO加Stuff資料集，標記一個圖片需要19分鐘，標記完整個資料集需要53000個小時，太過耗時沒效率。因此Google探索了全新的訓練資料標記方法-流體標注（Fluid Annotation），能以機器學習幫助使用者快速找出圖片物體輪廓上標簽。

流體標注從強語義分割模型的輸出開始，使用者能以自然的使用者界面，借由機器學習輔助進行編輯和修改，界面提供使用者需要修正的物體以及順序，讓人們能夠專心于那些機器尚無法辨識清楚的部分。為了標注圖片，Google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（Mask-RCNN），具有***信心的片段（Segment）能被用于初始標簽中。

流體標注能夠為使用者產生一個短清單，透過點擊就能快速為物體上標簽，而使用者也可以增加范圍標記，來覆蓋沒被偵測出來的物體，并透過滾動選擇***的形狀。另外，除了能夠增加，也能刪除既有的物體標記或是變更物體深度順序。

目前這一階段的流體標注的目標是讓圖像更快更容易，提高整體資料集標記速度達三倍。接下來Google要改進物體邊界標記，并以更多的人工智能加速界面操作，擴展界面以處理現在無法辨識的類別。