ImageNet Large Scale Visual Recognition Challenge
Olga Russakovsky Jia Deng Hao Su Jonathan Krause Sanjeev Satheesh Sean Ma Zhiheng Huang Andrej Karpathy Aditya Khosla Michael Bernstein Alexander C. Berg Li Fei-Fei
Abstract
The ImageNet Large Scale Visual Recognition Challenge is a benchmark in object category classification and detection on hundreds of object categories and millions of images. The challenge has been run annually from 2010 to present, attracting participation from more than fifty institutions.
中文速览
从2010年起连续五年举办的ImageNet大规模视觉识别挑战赛（ILSVRC）面临一个核心难题：如何在包含数百个物体类别、百万量级图片的超大规模数据上，公平、准确地评估计算机视觉算法的目标识别能力。为此，研究者借助众包平台（Amazon Mechanical Turk）设计了一套创新的大规模标注流程，构建出涵盖1000个类别、逾140万张标注图片的基准数据集，并围绕图像分类、单目标定位和目标检测三项任务制定了标准化评测体系。得益于这一数据集的规模，深度卷积神经网络（deep convolutional neural network）在2012年横空出世并持续突破，将分类错误率从约26%大幅压缩至个位数，最终在部分任务上达到甚至超越人类水平。ILSVRC不仅推动了目标识别领域五年间最重要的技术飞跃，也为后续大规模视觉基准的建设提供了可借鉴的数据收集、标注质控与评测方法论。
原文 arXiv:1409.0575;中英对照 + 大白话阅读 https://aha.fim.ai/paper/1409.0575v3