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)