¿Por qué es importante la clasificación en papel de ImageNet con redes neuronales convolucionales profundas?

1. Habla sobre AlexNet, una red que superó a otros métodos por un margen significativo en el desafío ILSVRC 2012, en una tarea muy difícil como la clasificación de imágenes. Después de este gran éxito, convNets comenzó a extenderse exponencialmente en la comunidad de visión por computadora.
2. AlexNet usó algunas de las recetas ahora “estándar” en el aprendizaje profundo, como las unidades ReLU y la deserción (editar: aunque fueron presentadas por otros documentos primero).

De acuerdo con las dos respuestas anteriores. Además, el problema de clasificación de imágenes es el problema básico en la visión por computadora, y está muy relacionado con otras tareas de visión por computadora, tales como localización de objetos, detección de objetos, segmentación de objetos, etc. El modelo diseñado para otras tareas se modifica a partir de los modelos de clasificación de imágenes de última generación, como VGGNet, GoogLeNet, ResNet, etc. La característica aprendida por CNN es genérica, lo que significa que una vez que el modelo obtuvo un gran rendimiento en la tarea de clasificación de imágenes, este modelo también puede funcionar en otras tareas.

Fue el primer trabajo de aprendizaje profundo que mostró el rendimiento más avanzado en una tarea real de visión por computadora, y lo hizo con un gran margen sobre los otros algoritmos.

Vea los resultados aquí: Concurso de reconocimiento visual a gran escala ImageNet 2012 (ILSVRC2012), el nombre del grupo de aprendizaje profundo es SuperVision.

Después de esto, todos, en cada competencia de visión, comenzaron a usar el aprendizaje profundo.