ImageNet: ilk 1 ve ilk 5 hata oranı nedir?

ImageNet sınıflandırma kâğıtlarında ilk 1 ve ilk 5 hata oranları, bazı çözümlerin başarısını ölçmek için önemli birimlerdir, ancak bu hata oranları nedir?

In Deep Evrişimsel Sinir Ağları ile ImageNet Sınıflandırma Krizhevsky ark. Tek bir CNN (sayfa 7) temelli her bir çözümde ilk 5 hata oranına sahip değilken, 5 ve 7 CNN'lere sahip olanlar (ve ayrıca 7 CNN için hata oranı 5 CNN'den daha iyidir).

Bu, ilk 1 hata oranının, tek bir CNN için en iyi tek hata oranı olduğu anlamına mı geliyor?

En iyi 5 hata oranı, beş CNN'in toplam hata oranı mı?

[...] en iyi 5 hata oranı, doğru etiketin mod tarafından en muhtemel olduğu düşünülen beş etiket arasında olmadığı test görüntülerinin oranıdır.

Öncelikle, CNN kullanarak bir tahmin yapın ve öngörülen sınıf multinom dağılımını elde edin ( ).$\sum p_{class} = 1$

Şimdi, ilk 1 skoru durumunda, üst sınıfın (en yüksek olasılıklara sahip olan) hedef etiketle aynı olup olmadığını kontrol edersiniz.

İlk 5 skorunda, hedef etiketin ilk 5 tahminden biri olup olmadığını kontrol edin (en yüksek olasılıklara sahip 5).

Her iki durumda da, en yüksek puan, tahmin edilen bir etiketin hedef etiketle eşleştiği zamanlar olarak hesaplanır ve bu, değerlendirilen veri puanı sayısına bölünür.

Son olarak, 5-CNN'ler kullanıldığında, ilk önce tahminlerini ortalarsınız ve ilk-1 ve ilk-5 puanları hesaplamak için aynı işlemi uygularsınız.

Sınıflandırıcınız size her sınıf için bir olasılık verir. Sınıf olarak sadece "kedi", "köpek", "ev", "fare" olduğunu söyleyelim (bu sırayla). Sonra sınıflandırıcı gibi bir şey verir

0.1; 0.2; 0.0; 0.7

sonuç olarak. Top-1 sınıfı "fare" dir. En üstteki 2 sınıf {fare, köpek} 'dir. Doğru sınıf "köpek" ise, Top-2 doğruluğu için "doğru", Top-1 doğruluğu için yanlış sayılır.

$k$$k$