ImageNet歷年冠軍和相關CNN模型

ImageNet

1. 是一個超過15 million的圖像數據集，大約有22,000類。
2. 是由李飛飛團隊從2007年開始，耗費大量人力，經過各類方式（網絡抓取，人工標註，亞馬遜衆包平臺）收集製做而成，它做爲論文在CVPR-2009發佈。當時人們還很懷疑經過更多數據就能改進算法的見解。
3. 深度學習發展起來有幾個關鍵的因素，一個就是龐大的數據（好比說ImageNet），一個是GPU的出現。（還有更優的深度模型，更好的優化算法，能夠說數據和GPU推進了這些的產生，這些產生繼續推進深度學習的發展）。

ILSVRC

1. 是一個比賽，全稱是ImageNet Large-Scale Visual Recognition Challenge，日常說的ImageNet比賽指的是這個比賽。
2. 使用的數據集是ImageNet數據集的一個子集，通常說的ImageNet（數據集）實際上指的是ImageNet的這個子集，總共有1000類，每類大約有1000張圖像。具體地，有大約1.2 million的訓練集，5萬驗證集，15萬測試集。
3. ILSVRC從2010年開始舉辦，到2017年是最後一屆。ILSVRC-2012的數據集被用在2012-2014年的挑戰賽中（VGG論文中提到）。ILSVRC-2010是惟一提供了test set的一年。
4. ImageNet多是指整個數據集（15 million），也可能指比賽用的那個子集（1000類，大約每類1000張），也可能指ILSVRC這個比賽。須要根據語境自行判斷。
5. 12-15年期間在ImageNet比賽上提出了一些經典網絡，好比AlexNet，ZFNet，OverFeat，VGG，Inception，ResNet。我在CNN經典結構1中作了相應介紹。
6. 16年以後也有一些經典網絡，好比WideResNet，FractalNet，DenseNet，ResNeXt，DPN，SENet。我在CNN經典結構2中作了相應介紹。

ImageNet的分類結果（加粗爲冠軍）

年	網絡/隊名	val top-1	val top-5	test top-5	備註
2012	AlexNet	38.1%	16.4%	16.42%	5 CNNs
2012	AlexNet	36.7%	15.4%	15.32%	7CNNs。用了2011年的數據
2013	OverFeat			14.18%	7 fast models
2013	OverFeat			13.6%	賽後。7 big models
2013	ZFNet			13.51%	ZFNet論文上的結果是14.8
2013	Clarifai			11.74%
2013	Clarifai			11.20%	用了2011年的數據
2014	VGG			7.32%	7 nets, dense eval
2014	VGG（亞軍）	23.7%	6.8%	6.8%	賽後。2 nets
2014	GoogleNet v1			6.67%	7 nets, 144 crops
	GoogleNet v2	20.1%	4.9%	4.82%	賽後。6 nets, 144 crops
	GoogleNet v3	17.2%	3.58%		賽後。4 nets, 144 crops
	GoogleNet v4	16.5%	3.1%	3.08%	賽後。v4+Inception-Res-v2
2015	ResNet			3.57%	6 models
2016	Trimps-Soushen			2.99%	公安三所
2016	ResNeXt（亞軍）			3.03%	加州大學聖地亞哥分校
2017	SENet			2.25%	Momenta 與牛津大學

ImageNet的定位結果（加粗爲冠軍）

年	網絡/隊名	val top-5	test top-5	備註
2012	AlexNet		34.19%	多倫多大學Hinton和他學生
2012	AlexNet		33.55%	用了2011年的數據
2013	OverFeat	30.0%	29.87%	紐約大學Lecun團隊
2014	GoogleNet		26.44%	谷歌
2014	VGG	26.9%	25.32%	牛津大學
2015	ResNet	8.9%	9.02%	微軟
2016	Trimps-Soushen		7.71%	公安三所，以Inception, resNet, WRN等爲基礎
2017	DPN		6.23%	新加坡國立大學與奇虎360

ImageNet的檢測結果（加粗爲冠軍）

年	網絡/隊名	mAP(%)	備註
2013	OverFeat	19.40	使用了12年的分類數據預訓練
2013	UvA	22.58
2013	OverFeat	24.3	賽後。使用了12年的分類數據預訓練
2014	GoogleNet	43.93	R-CNN
2015	ResNet	62.07	Faster R-CNN
2016	CUImage	66.28	商湯和港中文，以GBD-Net等爲基礎
2017	BDAT	73.41	南京信息工程大學和帝國理工學院

其它
HikVision（海康威視）：2016年的場景分類第一