企业官网建设流程全解析

清华大学出版社-人工智能技术丛书-介绍_人工智能编程书籍-CSDN博客

PyTorch深度学习与企业级项目实战【行情 报价 价格 评测】-京东

首先从ImageNet数据集开始介绍。ImageNet是一个包含超过1 500万幅手工标记的高分辨率图像的数据库，大约有22 000个类别。ImageNet 项目于2007年由斯坦福大学的华人教授李飞飞创办，目标是收集大量带有标注信息的图片数据供计算机视觉模型训练。ImageNet 拥有 1 500 万幅标注过的高清图片，总共拥有22 000类，其中约有100万幅标注了图片中主要物体的定位边框。

而ILSVRC（ImageNet Large-Scale Visual Recognition Challenge，ImageNet大规模视觉识别挑战赛）成立于2010年，旨在提高大规模目标检测和图像分类的最新技术，ILSVRC作为最具影响力的竞赛，促进了许多经典的卷积神经网络架构的发展，功不可没。ILSVRC使用的数据都来自 ImageNet。

从2010年开始举办的ILSVRC比赛使用ImageNet数据集的一个子集，大概拥有120万幅图片，以及1 000类标注。该比赛一般采用top-5和top-1分类错误率作为模型性能的评测指标。top1是指概率向量中最大的作为预测结果，若分类正确，则为正确；而top5只要概率向量中最大的前5名里有分类正确的，则为正确。

加拿大著名科学家Yann LeCun等人在1998年提出LeNet-5这个经典的卷积神经网络模型（用于手写数字的识别）是深度学习的奠基之作。而2012年的冠军AlexNet网络模型首次将深度学习技术应用到大规模图像分类领域，证明了深度学习技术学习到的特征可以超越手工设计的特征。

如图4-14所示，ILSVRC比赛分类项目，2012年冠军AlexNet（top-5错误率为16.4%，8层神经网络）、2014年亚军VGG（top-5错误率为7.3%，19层神经网络）、2014年冠军GoogleNet（top-5错误率为6.7%，22层神经网络）、2015年的冠军ResNet（top-5错误率为3.57%，152层神经网络）。

这些经典的卷积神经网络模型及其性能的提升，开启了计算机视觉领域中的深度学习热潮。

本文节选自《PyTorch深度学习与企业级项目实战》，获出版社和作者授权发布。

​