第(1/3)页

    “dreamnet？这是什么网络结构？”李飞飞仔细翻找了一下各个队伍对自己提交的描述。

    可以看到几乎所有队伍的提交中都描述道，“我们的结构基于alexnet”，“我们仿照alexnet”，“我们把alexnet和传统支持向量机/../..相结合”。

    做法类似，结果自然也大差不差。

    剩下的便是如何把数个模型整合到一起的描述。

    翻到队伍dream，人员构成栏只有“fanqi    meng，    huang    tang”两个名字，没有具体的机构信息。

    观看队伍算法的简介，更是寥寥数语。

    “我们提出了新的dreamnet，使得深达到百层乃至千层的网络能够被训练。由于缺乏足够的设备，我们只获得了单个的权重进行提交。”

    孟繁岐是故意的，他当然可以把残差又或者是其他的主要trick简要地在队伍的提交描述里介绍清楚。但为什么要这么做呢，一定要先勾起业界这些人的好奇心，才能够获得最大的关注。

    分类top-5错误率，4.9%。

    这样一个简单的数字直接击中了李飞飞的内心。

    算法的错误率低于人类的5.1%，从09年她推动这个竞赛以来，一直是她追求的目标，也是她组织这个竞赛的一大原因。

    她甚至曾经做好了打算，如果某一届的算法成功地突破了这个水准，就不再继续组织imagenet。

    但她万万没有想到，这一天会来得这么快。

    就在400天前，最好的传统办法还只能取得25%左右的错误率。

    去年alexnet    16左右的错误率，她以为是一次厚积薄发的飞跃，这样的进展可谓几十年一现。

    完全没有想到今年的结果会给她一个更加夸张的惊喜。

    dreamnet，突破了人类水准的dreamnet。

    李飞飞觉得这个名字起得实在恰如其分，这个结果真是如梦似幻。

    检测结果map:    0.34673，更是对第二名的0.22581进行了降维打击。
    第(1/3)页