ImageNet är en onlineplattform som syftar till att bli en användbar resurs för forskare, lärare, studenter och alla som delar sin passion för bilden och fungerar som bilddatabaser organiserade under WordNet-hierarkin.
Sedan 2010 har det organiserat tävlingen som en utmaning att testa tekniken när det gäller att upptäcka och tolka bilder, både när det gäller objekten som komponerar dem och i de områden där de finns.
Denna tävling presenteras av ledande akademiska institutioner och industrilaboratorier, vilket påpekats av Christian Szegedy, Google Software Engineer, genom Research Blog, där han påpekar att hans team, GoogLeNet, har varit på första plats i uppgifterna om klassificering och upptäckt av utmaningen i år, en fördubbling av kvaliteten på båda uppgifterna i förhållande till resultatet från det gångna året.
Hans teams presentation har varit öppen, så att de exakta detaljerna i utmaningen har delats med resten av användarna som utgör det breda samhället med fokus på datorsyn, främjande av samarbete och påskyndande framsteg inom detta område.
ImageNet-utmaningen består av tre spår: klassificering, för att mäta algoritmernas förmåga att tilldela lämpliga etiketter till en bild; lokaliseringsklassificering, som utvärderar hur en algoritmmodell har tagit etiketterna till en bild och placeringen av de underliggande objekten; och detektering, liknar den tidigare men använder strängare utvärderingskriterier.
Lägger till svårigheten att använda bilder som innehåller små föremål som är svåra att känna igen, vilket gör utmaningen ännu mer intressant, utöver märkningen av bilderna.
Christian Szegedy fortsätter med att påpeka sitt eget deltagande team för ansträngningarna och kommentarer om hur de har gjort detta genom att använda DistBelief-infrastrukturen för att möjliggöra bildandet av neurala nätverk på ett distribuerat och lätt interagerat sätt.
