ImageNet 数据集中“猎狐犬”的部分示例

从 2010 年以来，ImageNet 每年都会举办一次软件竞赛，也即 ImageNet 大规模视觉识别挑战赛（ILSVRC），参赛程序会相互比试，看谁能以最高的正确率对物体和场景进行分类和检测，不仅牵动着产学研三界的心，也是各团队、巨头展示实力的竞技场。

从 2010 年以来，每年的 ILSVRC 都主要包括以下 3 项，后来逐渐增多：

图像分类：算法产生图像中存在的对象类别列表

单物体定位：算法生成一个图像中含有的物体类别的列表，以及轴对齐的边框，边框指示每个物体类别的每个实例的位置和比例

物体检测：算法生成图像中含有的物体类别的列表，以及每个物体类别中每个实例的边框，边框表示这些实例的位置和比例。

2012 年，Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 创造了一个“大型的深度卷积神经网络”，也即现在众所周知的 AlexNet，赢得了当年的 ILSVRC。这是史上第一次有模型在 ImageNet 数据集表现如此出色。论文中提出的方法，比如数据增强和 dropout，直到现在也在使用，那篇论文“ImageNet Classification with Deep Convolutional Networks”，迄今被引用约 7000 次，被业内普遍视为行业最重要的论文之一，真正展示了 CNN 的优点，并且以破纪录的比赛成绩实打实地做支撑。

2012 年是 CNN 首次实现 Top 5 误差率 15.4% 的一年，当时的次优项误差率为 26.2%。这个表现震惊了整个计算机视觉界。可以说，是自那时起，CNN 才成了家喻户晓的名字。

ImageNet 历届冠军及技术回顾：

中国团队在 ImageNet 竞赛中的亮眼表现

2016 年的 ILSVRC，来自中国的团队大放异彩：

CUImage（商汤和港中文），Trimps-Soushen（公安部三所），CUvideo（商汤和港中文），HikVision（海康威视），SenseCUSceneParsing（商汤和香港城市大学），NUIST（南京信息工程大学）包揽了各个项目的冠军。

从下图中可见，无论的图像分类、物体检测、物体识别，计算机的正确率都已经远远超越人类。可以说，计算机视觉在感知方面的问题已经得到了很好的解决。

那么，计算机视觉的未来的重点将是什么，ImageNet 竞赛之后，又会出现什么呢？

超越 ILSVRC：侧重图像学习和理解的 WebVision 竞赛

WebVision 数据集是通过苏黎世科技大学计算机视觉实验室的网络数据团队收集的。这一数据集的开发得到了谷歌研究院苏黎世分部的支持。

WebVision 数据集使用与 2012 年 ImageNet 竞赛相同的 1000 个类别，涵盖了直接从网络收集到的 240 万张现代图像（包括谷歌图像搜索中获得的 100 万张，以及来自 Flickr 的 140 万张图像）和元数据。

在 CVPR 2017 上，也会举办 WebVision Challenge，这一比赛更加注重对图像和视频数据的学习和理解，它有可能会成为未来的 ImageNet 竞赛吗？

摘要

我们提出 2017 年 WebVision 竞赛，这是一项公开的图像识别挑战赛，旨在基于网页图像进行深度学习，而无需人手工对实例进行标注。此前的计算机视觉挑战赛，如 ILSVRC、Places2 和 PASCAL VOC，通过提供大量的注释数据，用于模型设计和标准化的基准测试，为计算机视觉的发展发挥了关键作用。为了延续它们的精神，我们在本届 CVPR 2017 举办研讨会，进行一项基于大规模网络图像数据集的公开竞赛。WebVision 数据集包含从互联网上用爬虫收集的 240 多万的网络图像，方法是使用从 ILSVRC 2012 基准中的 1000 个语义概念生成的查询（query）。元信息（Meta information）也包含在内。

此外，WebVision 数据集也提供检验数据集和测试数据集，这些数据集中的数据都带有人手工标注的标签，从而便于算法的开发。2017 年 WebVision 挑战赛分为两类，一是在 WebVision 测试数据集上进行图像分类，以及在 PASCAL VOC 2012 数据集上进行迁移学习。在本文中，我们描述了数据收集和注释的细节，突出了 WebVision 数据集的特点，并介绍了相关评估指标。

编译来源：

超越 ILSRVC 研讨会介绍：http://image-net.org/challenges/beyond_ilsvrc

WebVision Challenge 介绍：http://www.vision.ee.ethz.ch/webvision/about.html

WebVision Challenge 论文：https://arxiv.org/pdf/1705.05640.pdf

文章来源：新智元

《Python自然语言分析》这是一门基于Python实践自然语言处理典型应用场景的实战课程。理论与案例并行，通过编程实战将理论具体化展现，让学员更能理解其中的原理与实现方法。返回搜狐，查看更多