1、ImageNet数据集背景介绍:
如果说Mnist数据集将初学者领进了深度学习领域,那么Imagenet数据集在深度学习中尤其是计算机视觉领域掀起了巨大的浪潮。ImageNet项目于2007年由斯坦福大学华人教授李飞飞创办,目标是收集大量带有标注信息的图片数据供计算机视觉模型训练。ImageNet拥有1500万张标注过的高清图片,总共拥有22000类,其中约有100万张标注了图片中主要物体的定位边框。Imagenet数据集是目前深度学习图像领域应用得非常多的一个数据,关于图像分类、定位、检测等研究工作大多基于此数据集展开。ImageNet国际计算机视觉挑战赛(ILSVRC)就是基于该数据集子集(120万张图片,以及1000类的标注),吸引了中美英等7个国家的25支顶尖人工智能团队参赛,该比赛每年举办一次。比赛采用top-5和top-1分类错误率作为模型性能的评测指标。
性能解释:
top-5是指模型预测一个样本的结果前五中有预测正确的即为预测正确,否则错误。
top-1是指模型预测一个样本的最佳的最佳结果正确即为预测正确,否则错误。
2、ImageNet项目比赛的网络结构模型演进
自从2010年举办以来,各大公司和顶尖的团队参赛不断,包括Google、MSRA、DeepMind、港中文等。以下介绍几种得冠团队中经典的网络结构模型:AlexNet、VGGNet、Google Inception Net和ResNet。
1、AlexNet(2012年冠军)
AlexNet的第一作者是Alex,是2012年被发表的一个金典之作,并在当年取得了ImageNet比赛的最好成绩。官方提供的数据显示准确率达到57.1%,AlexNet, top-5错误率16.4%.