摘要：年月日，將標(biāo)志著一個(gè)時(shí)代的終結(jié)。數(shù)據(jù)集最初由斯坦福大學(xué)李飛飛等人在的一篇論文中推出，并被用于替代數(shù)據(jù)集后者在數(shù)據(jù)規(guī)模和多樣性上都不如和數(shù)據(jù)集在標(biāo)準(zhǔn)化上不如。從年一個(gè)專(zhuān)注于圖像分類(lèi)的數(shù)據(jù)集，也是李飛飛開(kāi)創(chuàng)的。

2017 年 7 月 26 日，將標(biāo)志著一個(gè)時(shí)代的終結(jié)。

那一天，與計(jì)算機(jī)視覺(jué)頂會(huì) CVPR 2017 同期舉行的 Workshop——“超越 ILSVRC”（Beyond ImageNet Large Scale Visual Recogition Challenge），將宣布計(jì)算機(jī)視覺(jué)乃至整個(gè)人工智能發(fā)展史上的里程碑——IamgeNet 大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽將于 2017 年正式結(jié)束，此后將專(zhuān)注于目前尚未解決的問(wèn)題及以后發(fā)展方向。

根據(jù)“超越 ILSVRC” Workshop 官網(wǎng)介紹，這堂研討會(huì)的內(nèi)容主要包括以下 4 點(diǎn)：

發(fā)表 2017 年 ILSVRC 的結(jié)果

評(píng)估 ILSVRC 2017 圖像、視頻物體識(shí)別、分類(lèi)的當(dāng)前較佳結(jié)果

探討這與當(dāng)前在計(jì)算機(jī)視覺(jué)產(chǎn)業(yè)中應(yīng)用的最優(yōu)技術(shù)的關(guān)系

受邀講者（目前確定的有加州大學(xué)伯克利分校的 Jitendra Malik，以及斯坦福大學(xué)教授、目前谷歌云首席科學(xué)家李飛飛）發(fā)表講話(huà)，論述在他們看來(lái)從認(rèn)知視覺(jué)到機(jī)器人視覺(jué)等領(lǐng)域存在的挑戰(zhàn)

ImageNet：深度學(xué)習(xí)熱潮的關(guān)鍵推動(dòng)者之一

ImageNet 可以說(shuō)是計(jì)算機(jī)視覺(jué)研究人員進(jìn)行大規(guī)模物體識(shí)別和檢測(cè)時(shí)，最先想到的視覺(jué)大數(shù)據(jù)來(lái)源。ImageNet 數(shù)據(jù)集最初由斯坦福大學(xué)李飛飛等人在 CVPR 2009 的一篇論文中推出，并被用于替代 PASCAL 數(shù)據(jù)集（后者在數(shù)據(jù)規(guī)模和多樣性上都不如 ImageNet）和 LabelMe 數(shù)據(jù)集（在標(biāo)準(zhǔn)化上不如 ImageNet）。

ImageNet 從 Caltech101（2004 年一個(gè)專(zhuān)注于圖像分類(lèi)的數(shù)據(jù)集，也是李飛飛開(kāi)創(chuàng)的）。ImageNet 不但是計(jì)算機(jī)視覺(jué)發(fā)展的重要推動(dòng)者，也是這一波深度學(xué)習(xí)熱潮的關(guān)鍵驅(qū)動(dòng)力之一。

截至 2016 年，ImageNet 中含有超過(guò) 1500 萬(wàn)由人手工注釋的圖片網(wǎng)址，也就是帶標(biāo)簽的圖片，標(biāo)簽說(shuō)明了圖片中的內(nèi)容，超過(guò) 2.2 萬(wàn)個(gè)類(lèi)別。其中，至少有 100 萬(wàn)張里面提供了邊框（bounding box）。

ImageNet 數(shù)據(jù)集中“獵狐犬”的部分示例

從 2010 年以來(lái)，ImageNet 每年都會(huì)舉辦一次軟件競(jìng)賽，也即 ImageNet 大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽（ILSVRC），參賽程序會(huì)相互比試，看誰(shuí)能以較高的正確率對(duì)物體和場(chǎng)景進(jìn)行分類(lèi)和檢測(cè)，不僅牽動(dòng)著產(chǎn)學(xué)研三界的心，也是各團(tuán)隊(duì)、巨頭展示實(shí)力的競(jìng)技場(chǎng)。

從 2010 年以來(lái)，每年的 ILSVRC 都主要包括以下 3 項(xiàng)，后來(lái)逐漸增多：

圖像分類(lèi)：算法產(chǎn)生圖像中存在的對(duì)象類(lèi)別列表

單物體定位：算法生成一個(gè)圖像中含有的物體類(lèi)別的列表，以及軸對(duì)齊的邊框，邊框指示每個(gè)物體類(lèi)別的每個(gè)實(shí)例的位置和比例

物體檢測(cè)：算法生成圖像中含有的物體類(lèi)別的列表，以及每個(gè)物體類(lèi)別中每個(gè)實(shí)例的邊框，邊框表示這些實(shí)例的位置和比例。

2012 年，Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 創(chuàng)造了一個(gè)“大型的深度卷積神經(jīng)網(wǎng)絡(luò)”，也即現(xiàn)在眾所周知的 AlexNet，贏得了當(dāng)年的 ILSVRC。這是史上第一次有模型在 ImageNet 數(shù)據(jù)集表現(xiàn)如此出色。論文中提出的方法，比如數(shù)據(jù)增強(qiáng)和 dropout，直到現(xiàn)在也在使用，那篇論文“ImageNet Classification with Deep Convolutional Networks”，迄今被引用約 7000 次，被業(yè)內(nèi)普遍視為行業(yè)最重要的論文之一，真正展示了 CNN 的優(yōu)點(diǎn)，并且以破紀(jì)錄的比賽成績(jī)實(shí)打?qū)嵉刈鲋巍?/p>

2012 年是 CNN 首次實(shí)現(xiàn) Top 5 誤差率 15.4% 的一年，當(dāng)時(shí)的次優(yōu)項(xiàng)誤差率為 26.2%。這個(gè)表現(xiàn)震驚了整個(gè)計(jì)算機(jī)視覺(jué)界。可以說(shuō)，是自那時(shí)起，CNN 才成了家喻戶(hù)曉的名字。

ImageNet 歷屆冠軍及技術(shù)回顧：

中國(guó)團(tuán)隊(duì)在 ImageNet 競(jìng)賽中的亮眼表現(xiàn)

2016 年的 ILSVRC，來(lái)自中國(guó)的團(tuán)隊(duì)大放異彩：

CUImage（商湯和港中文），Trimps-Soushen（公安部三所），CUvideo（商湯和港中文），HikVision（海康威視），SenseCUSceneParsing（商湯和香港城市大學(xué)），NUIST（南京信息工程大學(xué)）包攬了各個(gè)項(xiàng)目的冠軍。

從下圖中可見(jiàn)，無(wú)論的圖像分類(lèi)、物體檢測(cè)、物體識(shí)別，計(jì)算機(jī)的正確率都已經(jīng)遠(yuǎn)遠(yuǎn)超越人類(lèi)。可以說(shuō)，計(jì)算機(jī)視覺(jué)在感知方面的問(wèn)題已經(jīng)得到了很好的解決。

那么，計(jì)算機(jī)視覺(jué)的未來(lái)的重點(diǎn)將是什么，ImageNet 競(jìng)賽之后，又會(huì)出現(xiàn)什么呢？

超越 ILSVRC：側(cè)重圖像學(xué)習(xí)和理解的 WebVision 競(jìng)賽

WebVision 數(shù)據(jù)集是通過(guò)蘇黎世科技大學(xué)計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室的網(wǎng)絡(luò)數(shù)據(jù)團(tuán)隊(duì)收集的。這一數(shù)據(jù)集的開(kāi)發(fā)得到了谷歌研究院蘇黎世分部的支持。

WebVision 數(shù)據(jù)集使用與 2012 年 ImageNet 競(jìng)賽相同的 1000 個(gè)類(lèi)別，涵蓋了直接從網(wǎng)絡(luò)收集到的 240 萬(wàn)張現(xiàn)代圖像（包括谷歌圖像搜索中獲得的 100 萬(wàn)張，以及來(lái)自 Flickr 的 140 萬(wàn)張圖像）和元數(shù)據(jù)。

在 CVPR 2017 上，也會(huì)舉辦 WebVision Challenge，這一比賽更加注重對(duì)圖像和視頻數(shù)據(jù)的學(xué)習(xí)和理解，它有可能會(huì)成為未來(lái)的 ImageNet 競(jìng)賽嗎？

摘要

我們提出 2017 年 WebVision 競(jìng)賽，這是一項(xiàng)公開(kāi)的圖像識(shí)別挑戰(zhàn)賽，旨在基于網(wǎng)頁(yè)圖像進(jìn)行深度學(xué)習(xí)，而無(wú)需人手工對(duì)實(shí)例進(jìn)行標(biāo)注。此前的計(jì)算機(jī)視覺(jué)挑戰(zhàn)賽，如 ILSVRC、Places2 和 PASCAL VOC，通過(guò)提供大量的注釋數(shù)據(jù)，用于模型設(shè)計(jì)和標(biāo)準(zhǔn)化的基準(zhǔn)測(cè)試，為計(jì)算機(jī)視覺(jué)的發(fā)展發(fā)揮了關(guān)鍵作用。為了延續(xù)它們的精神，我們?cè)诒緦?CVPR 2017 舉辦研討會(huì)，進(jìn)行一項(xiàng)基于大規(guī)模網(wǎng)絡(luò)圖像數(shù)據(jù)集的公開(kāi)競(jìng)賽。WebVision 數(shù)據(jù)集包含從互聯(lián)網(wǎng)上用爬蟲(chóng)收集的 240 多萬(wàn)的網(wǎng)絡(luò)圖像，方法是使用從 ILSVRC 2012 基準(zhǔn)中的 1000 個(gè)語(yǔ)義概念生成的查詢(xún)（query）。元信息（Meta information）也包含在內(nèi)。

此外，WebVision 數(shù)據(jù)集也提供檢驗(yàn)數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，這些數(shù)據(jù)集中的數(shù)據(jù)都帶有人手工標(biāo)注的標(biāo)簽，從而便于算法的開(kāi)發(fā)。2017 年 WebVision ?挑戰(zhàn)賽分為兩類(lèi)，一是在 WebVision 測(cè)試數(shù)據(jù)集上進(jìn)行圖像分類(lèi)，以及在 PASCAL VOC 2012 數(shù)據(jù)集上進(jìn)行遷移學(xué)習(xí)。在本文中，我們描述了數(shù)據(jù)收集和注釋的細(xì)節(jié)，突出了 WebVision 數(shù)據(jù)集的特點(diǎn)，并介紹了相關(guān)評(píng)估指標(biāo)。

編譯來(lái)源：

超越 ILSRVC 研討會(huì)介紹：http://image-net.org/challenges/beyond_ilsvrc

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

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

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754