一个时代的终结：ImageNet 竞赛 2017 是最后一届，WebVision 竞赛或接棒

2017 年 7 月 26 日，将标志着一个时代的终结。

那一天，与计算机视觉顶会 CVPR 2017 同期举行的 Workshop——“超越 ILSVRC”（Beyond ImageNet Large Scale Visual Recogition Challenge），将宣布计算机视觉乃至整个人工智能发展史上的里程碑—— IamgeNet 大规模视觉识别挑战赛将于 2017 年正式结束 ，此后将专注于目前尚未解决的问题及以后发展方向。

根据“超越 ILSVRC” Workshop 官网介绍，这堂研讨会的内容主要包括以下 4 点：

1. 发表 2017 年 ILSVRC 的结果

2. 评估 ILSVRC 2017 图像、视频物体识别、分类的当前最佳结果

3. 探讨这与当前在计算机视觉产业中应用的最优技术的关系

4. 受邀讲者（目前确定的有加州大学伯克利分校的 Jitendra Malik，以及斯坦福大学教授、目前谷歌云首席科学家李飞飞）发表讲话，论述在他们看来从认知视觉到机器人视觉等领域存在的挑战

ImageNet 可以说是计算机视觉研究人员进行大规模物体识别和检测时，最先想到的视觉大数据来源。ImageNet 数据集最初由斯坦福大学李飞飞等人在 CVPR 2009 的一篇论文中推出，并被用于替代 PASCAL 数据集（后者在数据规模和多样性上都不如 ImageNet）和 LabelMe 数据集（在标准化上不如 ImageNet）。

ImageNet 从 Caltech101（2004 年一个专注于图像分类的数据集，也是李飞飞开创的）。 ImageNet 不但是计算机视觉发展的重要推动者，也是这一波深度学习热潮的关键驱动力之一。

截至 2016 年，ImageNet 中含有超过 1500 万由人手工注释的图片网址，也就是带标签的图片，标签说明了图片中的内容，超过 2.2 万个类别。其中，至少有 100 万张里面提供了边框（bounding box）。

ImageNet 数据集中“猎狐犬”的部分示例

从 2010 年以来，ImageNet 每年都会举办一次软件竞赛，也即 ImageNet 大规模视觉识别挑战赛（ILSVRC），参赛程序会相互比试，看谁能以最高的正确率对物体和场景进行分类和检测，不仅牵动着产学研三界的心，也是各团队、巨头展示实力的竞技场。

从 2010 年以来，每年的 ILSVRC 都主要包括以下 3 项，后来逐渐增多：

• 图像分类 ：算法产生图像中存在的对象类别列表

• 单物体定位 ：算法生成一个图像中含有的物体类别的列表，以及轴对齐的边框，边框指示每个物体类别的每个实例的位置和比例

• 物体检测 ：算法生成图像中含有的物体类别的列表，以及每个物体类别中每个实例的边框，边框表示这些实例的位置和比例。

2012 年，Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 创造了一个“大型的深度卷积神经网络”，也即现在众所周知的 AlexNet，赢得了当年的 ILSVRC。这是史上第一次有模型在 ImageNet 数据集表现如此出色。论文中提出的方法，比如数据增强和 dropout，直到现在也在使用，那篇论文 “ImageNet Classification with Deep Convolutional Networks”， 迄今被引用约 7000 次，被业内普遍视为行业最重要的论文之一，真正展示了 CNN 的优点，并且以破纪录的比赛成绩实打实地做支撑。

2012 年是 CNN 首次实现 Top 5 误差率 15.4% 的一年，当时的次优项误差率为 26.2%。这个表现震惊了整个计算机视觉界。可以说，是自那时起，CNN 才成了家喻户晓的名字。

ImageNet 历届冠军及技术回顾：

2016 年的 ILSVRC，来自中国的团队大放异彩：

CUImage（商汤和港中文），Trimps-Soushen（公安部三所），CUvideo（商汤和港中文），HikVision（海康威视），SenseCUSceneParsing（商汤和香港城市大学），NUIST（南京信息工程大学）包揽了各个项目的冠军。

从下图中可见，无论的图像分类、物体检测、物体识别，计算机的正确率都已经远远超越人类。可以说，计算机视觉在感知方面的问题已经得到了很好的解决。

那么，计算机视觉的未来的重点将是什么，ImageNet 竞赛之后，又会出现什么呢？