ImageNet
IT위키
더 많은 작업
ImageNet(이미지넷)은 영어 어휘 사전 WordNet 의 명사 개념 체계에 따라 사진을 분류해 모은 대규모 이미지 데이터베이스로, 이미지 인식 연구의 대표 벤치마크 데이터셋이다.
스탠퍼드·프린스턴의 페이페이 리(Fei-Fei Li) 연구진이 2009년에 발표했다. 인터넷에서 모은 사진에 아마존 메커니컬 터크의 작업자들이 레이블을 붙이는 방식으로 2만 개 넘는 범주, 1,400만 장 이상의 이미지를 만들었다.
연구에서 흔히 'ImageNet' 이라고 하면 이 가운데 1,000개 범주를 골라 만든 ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 데이터를 가리킨다. 학습 약 128만 장, 검증 5만 장, 시험 10만 장으로 되어 있다.
2010년부터 2017년까지 해마다 열린 이미지 인식 대회다. 분류 과제는 모델이 내놓은 상위 다섯 개 예측 안에 정답이 없는 비율인 top-5 오류율로 채점했다.
| 연도 | 모델 | top-5 오류율 | 의미 |
|---|---|---|---|
| 2012 | AlexNet | 약 15.3% | 2위(약 26.2%)를 크게 앞서 딥러닝 시대를 연 계기 |
| 2014 | GoogLeNet, VGG | 약 6.7%, 7.3% | 망을 더 깊게 쌓음 |
| 2015 | ResNet | 약 3.6% | 잔차 연결로 152층 학습. 사람 수준(약 5%)으로 알려진 수치보다 낮음 |
- 대회는 2017년을 끝으로 마쳤다. 분류 성능이 포화되었기 때문이다.
- 지금도 새 합성곱 신경망이나 비전 모델의 기본 성능 지표로 쓰이고, ImageNet 으로 미리 학습한 가중치를 다른 과제에 옮겨 쓰는 전이 학습의 출발점이 된다.
- 인물 범주에 부적절하거나 편향된 레이블이 들어 있다는 지적이 있어 2019년에 인물 하위 범주 일부를 정리했다.
- 검증 세트에도 레이블 오류가 있어, 최근 모델끼리의 작은 점수 차이는 의미가 적다.