چالش ایمیج‌نت (ImageNet) چیست؟

مجموعه‌داده‌ی ImageNet با هدف توسعه‌ی مدل‌های بینایی کامپیوتری توسط گروهی از دانشگاه استنفورد به سرپرستی پروفسور فی-فی-لی جمع آوری شد. این دیتاست شامل بیش از 15 میلیون تصویر با وضوح[1] بالا و دارای برچسب[2] است و 22000 دسته‌ی متفاوت را شامل می‌شود. از سال 2010 برخی از سالها چالش­هایی بر اساس این مجموعه داده برگزارشده و اسامی تیم­های برنده اعلام گردیده است.

برای مثال چالش ILSVRC ،در سال 2012 که به واسطه ظهور یادگیری عمیق معروف شد،  شامل 1000 دسته‌ تصویر را از این مجموعه‌داده شامل شده و درمجموع 1٫2 میلیون تصویر برای آموزش[3]، 50000 تصویر برای ارزیابی[4] و 150000 تصویر برای آزمایش[5] مدل‌ها استفاده می­گردد. چالش ILSVRC چالش بازشناسی اشیاء بوده و مدل­ها به ازای هر تصویر ورودی 5 کلاس با احتمال بالاتر را از بین 1000 کلاس موجود اعلام می­کنند و درنهایت در محاسبه خطا تصاویری که شئ درون آن تصاویر در بین هیچ‌کدام از 5 احتمال نبوده باشد به‌عنوان خطا در نظر گرفته می‌شود.

[1] resolution

[2] label

[3] train

[4] validation

[5] test