ImageNet 历年冠军和相关 CNN 模型
Lincoln 
ImageNet
- 是一个超过 15 million 的图像数据集，大约有 22,000 类。
- 是由李飞飞团队从 2007 年开始，耗费大量人力，通过各种方式（网络抓取，人工标注，亚马逊众包平台）收集制作而成，它作为论文在 CVPR-2009 发布。当时人们还很怀疑通过更多数据就能改进算法的看法。
- 深度学习发展起来有几个关键的因素，一个就是庞大的数据（比如说 ImageNet），一个是 GPU 的出现。（还有更优的深度模型，更好的优化算法，可以说数据和 GPU 推动了这些的产生，这些产生继续推动深度学习的发展）。
ILSVRC
- 是一个比赛，全称是 ImageNet Large-Scale Visual Recognition Challenge，平常说的 ImageNet 比赛指的是这个比赛。
- 使用的数据集是 ImageNet 数据集的一个子集，一般说的 ImageNet（数据集）实际上指的是 ImageNet 的这个子集，总共有 1000 类，每类大约有 1000 张图像。具体地，有大约 1.2 million 的训练集，5 万验证集，15 万测试集。
- ILSVRC 从 2010 年开始举办，到 2017 年是最后一届。ILSVRC-2012 的数据集被用在 2012-2014 年的挑战赛中（VGG 论文中提到）。ILSVRC-2010 是唯一提供了 test set 的一年。
- ImageNet 可能是指整个数据集（15 million），也可能指比赛用的那个子集（1000 类，大约每类 1000 张），也可能指 ILSVRC 这个比赛。需要根据语境自行判断。
- 12-15 年期间在 ImageNet 比赛上提出了一些经典网络，比如 AlexNet，ZFNet，OverFeat，VGG，Inception，ResNet。我在 CNN 经典结构 1 中做了相应介绍。
- 16 年之后也有一些经典网络，比如 WideResNet，FractalNet，DenseNet，ResNeXt，DPN，SENet。我在 CNN 经典结构 2 中做了相应介绍。
ImageNet 的分类结果（加粗为冠军）
| 年 | 网络 / 队名 | val top-1 | val top-5 | test top-5 | 备注 |
|---|---|---|---|---|---|
| 2012 | AlexNet | 38.1% | 16.4% | 16.42% | 5 CNNs |
| 2012 | AlexNet | 36.7% | 15.4% | 15.32% | 7CNNs。用了 2011 年的数据 |
| 2013 | OverFeat | 14.18% | 7 fast models | ||
| 2013 | OverFeat | 13.6% | 赛后。7 big models | ||
| 2013 | ZFNet | 13.51% | ZFNet 论文上的结果是 14.8 | ||
| 2013 | Clarifai | 11.74% | |||
| 2013 | Clarifai | 11.20% | 用了 2011 年的数据 | ||
| 2014 | VGG | 7.32% | 7 nets, dense eval | ||
| 2014 | VGG（亚军） | 23.7% | 6.8% | 6.8% | 赛后。2 nets |
| 2014 | GoogleNet v1 | 6.67% | 7 nets, 144 crops | ||
| 2014 | GoogleNet v2 | 20.1% | 4.9% | 4.82% | 赛后。6 nets, 144 crops |
| 2014 | GoogleNet v3 | 17.2% | 3.58% | 赛后。4 nets, 144 crops | |
| 2014 | GoogleNet v4 | 16.5% | 3.1% | 3.08% | 赛后。v4+Inception-Res-v2 |
| 2015 | ResNet | 3.57% | 6 models | ||
| 2016 | Trimps-Soushen | 2.99% | 公安三所 | ||
| 2016 | ResNeXt（亚军） | 3.03% | 加州大学圣地亚哥分校 | ||
| 2017 | SENet | 2.25% | Momenta 与牛津大学 |
ImageNet 的定位结果（加粗为冠军）
| 年 | 网络 / 队名 | val top-5 | test top-5 | 备注 |
|---|---|---|---|---|
| 2012 | AlexNet | 34.19% | 多伦多大学 Hinton 和他学生 | |
| 2012 | AlexNet | 33.55% | 用了 2011 年的数据 | |
| 2013 | OverFeat | 30.0% | 29.87% | 纽约大学 Lecun 团队 |
| 2014 | GoogleNet | 26.44% | 谷歌 | |
| 2014 | VGG | 26.9% | 25.32% | 牛津大学 |
| 2015 | ResNet | 8.9% | 9.02% | 微软 |
| 2016 | Trimps-Soushen | 7.71% | 公安三所，以 Inception, resNet, WRN 等为基础 | |
| 2017 | DPN | 6.23% | 新加坡国立大学与奇虎 360 |
ImageNet 的检测结果（加粗为冠军）
| 年 | 网络 / 队名 | mAP(%) | 备注 |
|---|---|---|---|
| 2013 | OverFeat | 19.40 | 使用了 12 年的分类数据预训练 |
| 2013 | UvA | 22.58 | |
| 2013 | OverFeat | 24.3 | 赛后。使用了 12 年的分类数据预训练 |
| 2014 | GoogleNet | 43.93 | R-CNN |
| 2015 | ResNet | 62.07 | Faster R-CNN |
| 2016 | CUImage | 66.28 | 商汤和港中文，以 GBD-Net 等为基础 |
| 2017 | BDAT | 73.41 | 南京信息工程大学和帝国理工学院 |
其它
HikVision（海康威视）：2016 年的场景分类第一
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
