把某个物体的细致轮廓在图片上表示出来，也就是一种类似自动抠图的操作。

　　当然了，不论是检测还是分割，都是需要人工去标注训练集的原始答案的。

　　imagenet-2013的检测赛道数据集不算太大，一共接近40万张图片，共区分200类。这种进阶类型的数据，标注起来要辛苦很多，因此数据量和分类不可同日而语。

　　不过，相比2012年的5717张，区区一年的时间，已经是百倍的巨大飞跃了。

　　“没想到时间竟然会这么多。”孟繁岐记得这时候的检测大多数还是基于传统hog，lbp的办法，在13年的这个数据集上map最高也就0.225左右。

　　自己既然来得及完成论文上的实验，自然要抽空去降维打击一下这些老古董方法。

　　每个参赛队伍在各任务上有三次提交的机会，孟繁岐只需要一次就够了。

　　参与竞赛的队伍往往会训练好几个版本的模型，然后做一些排列组合的集成，分多次提交，以确保自己的结果不会被一些不稳定的因素影响。

　　这也是追求更高性能的一种办法，因为谁也无法保证自己的哪一次结果在位置的数据上性能最好。

　　有时候第一名和第二名，就差在毫厘之间，可能只是小数点后的两三位。

　　只是孟繁岐完全没有这个必要这么做。

　　余下的时间也来不及再做什么，孟繁岐本想11号就早早把结果提交，多一事不如少一事。

　　但唐璜却阻拦他，说英雄总要最后一步到场，才显得特别戏剧化。

　　“这提交也不是实时显示的，而是14号统一公布结果。”孟繁岐指出了这么一个尴尬的问题。

　　“额..”唐璜只得强撑着解释道，“虽然其他人看不到，但主办方不是看得到嘛。在最后关头，给他们一点小小的中国震撼！”

　　大洋彼岸，斯坦福大学的ai实验室sail成立于1963年首次神经网络的浪潮中。见证了ai的两次热潮和两次衰退。

　　如今，它由青年华裔科学家，imagenet的组织者李飞飞指导。

　　李飞飞09年开启imagenet项目时还在普林斯顿，她后来来到了斯坦福，升任终生教授，并于今年开始领导斯坦福的ai实验室。

　　接手这么一个有历史的实验室不是一件容易的事情，再加上今年的imagenet竞赛刚刚结束，李飞飞此刻相当的忙碌。

　　她昨天看了一眼新一年的成绩，意料之中。

　　今年没有看到什么特别开创性的论文，大家基本上还处于对alexnet的学习，和新赛道的摸索当中。

　　深度神经网络去年一枝独秀，力压群雄，但谁又能百分百的肯定这就是正确的道路呢？

　　即便是表现最好的模型也仍旧有11个点以上的top-5错误率，而且通常来说，这个结果还可能是多个网络集成预测的，只是刷榜好用，这种方式并不具备实际的应用价值。李飞飞并不希望自己一手打造的imagenet成为刷子乐园。

　　路漫漫其修远兮。

　　就在此时，自己的电话突然响起，李飞飞拿起手机看了一眼，是邓嘉。

　　“holyshit，老师你快看赛事的验证结果。”

　　邓嘉的声音听起来非常激动，一上来就飚了一句shit。

　　“结果？什么结果。”李飞飞还不知道发生了什么事情，她昨天已经看过榜单了，大家的水平都差不多，今天又能统计出什么东西来？

　　眼下重新去链服务器不大方便，李飞飞便说“你直接截个图发我吧。”

　　“嘟...”

　　那边直接挂了，李飞飞微微颦眉，这小子今天是怎么了，平时不是这么毛毛躁躁的。

　　很快，两张图片传了过来。

　　李飞飞依次点开，霎时间，瞳孔微微放大，呼吸也不自觉地突然急促了起来。

　　只见两个榜单最上面的一行都是同一个队伍。

　　队名：dream。

　　提交描述只有一个字母不同：“asingledreamnet.”和“asingledreamdet.”

　　在一群集成了多个模型的提交中，single(单个的)一词显得格外惹眼。

　　请收藏：https://m.bqgme.cc

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）