ImageNetプロジェクトは、視覚物体認識ソフトウェアの研究に利用するために設計された大規模な画像データベースです。1,400万枚以上の[1] [2]画像に、写っている物体を示す手作業による注釈がプロジェクトによって付与されており、少なくとも100万枚の画像にはバウンディングボックスも提供されています。[3] ImageNetには2万以上のカテゴリ[2]が含まれており、 「風船」や「イチゴ」といった典型的なカテゴリは数百枚の画像で構成されています。[4]サードパーティの画像URLの注釈データベースはImageNetから直接無料で入手できますが、実際の画像はImageNetが所有しているものではありません。[5] ImageNetプロジェクトは2010年以来、毎年ソフトウェアコンテスト「ImageNet Large Scale Visual Recognition Challenge (ILSVRC)」を開催しており、ソフトウェアプログラムが物体やシーンを正しく分類・検出できるかを競います。このコンテストでは、重複しない1,000個のクラスからなる「トリミング」リストが使用されます。[6]

歴史

AI研究者のフェイフェイ・リーは、 2006年にImageNetのアイデアに取り組み始めました。当時、ほとんどのAI研究がモデルとアルゴリズムに焦点を当てていましたが、リーはAIアルゴリズムのトレーニングに利用できるデータの拡張と改善を望んでいました。[7] 2007年、リーはWordNetの生みの親の一人であるプリンストン大学のクリスティアン・フェルバウム教授と会い、プロジェクトについて話し合いました。この会談の結果、リーはWordNetの約22,000の名詞を基に、その多くの機能を活用してImageNetを構築することになりました。[8]彼女はまた、平均的な人が約30,000種類の物体を認識しているという1987年の推定[9]にも触発されました。 [10]

プリンストン大学の助教授だったリーは、ImageNetプロジェクトに取り組む研究者チームを結成しました。彼らはAmazon Mechanical Turkを用いて画像の分類を行いました。ラベル付けは2008年7月に開始され、2010年4月に完了しました。167カ国から4万9千人の作業員が集まり、1億6000万枚以上の候補画像をフィルタリングし、ラベル付けしました。[11] [8] [12] 1400万枚の画像それぞれを3回ずつラベル付けするのに十分な予算がありました。[10]

当初の計画では、カテゴリごとに1万枚の画像、つまり4万カテゴリ、4億枚の画像を用意し、それぞれを3回検証することになっていた。しかし、人間は1秒間に最大2枚の画像を分類できることが判明した。このペースで作業を進めると、人間の労働力に換算すると19年（休憩なし）かかると推定された。[13]

彼らは、2009年にフロリダで開催されたコンピュータビジョンとパターン認識に関する会議（CVPR）で、「ImageNet：大規模階層型データセットのプレビュー」と題したポスターとして、初めてこのデータベースを発表しました。 [14] [8] [15] [16]このポスターは、2009年のビジョンサイエンス協会でも再利用されました。[17]

2009年、アレックス・バーグは物体位置推定をタスクに追加する提案をしました。リーは2009年にPASCAL Visual Object Classesコンテストに協力を申し出ました。その結果、 2010年にはImageNet Large Scale Visual Recognition Challengeが開始されました。このコンテストでは1000クラスと物体位置推定が行われました。一方、PASCAL VOCでは20クラスと19,737枚の画像（2010年）しか含まれていませんでした。[6] [8]

ディープラーニングの重要性

2012年9月30日、AlexNet [18]と呼ばれる畳み込みニューラルネットワーク（CNN）は、ImageNet 2012 Challengeにおいてトップ5エラー率15.3%を達成しました。これは、次点のエラー率を10.8パーセントポイント以上下回る数値です。畳み込みニューラルネットワークの使用は、学習中にグラフィックス・プロセッシング・ユニット（GPU）を使用することで可能になりました。GPUは、ディープラーニング革命の重要な要素です。エコノミスト誌によると、「突然、AIコミュニティだけでなく、テクノロジー業界全体で人々の注目を集め始めました。」[4] [19] [20]

2015年、AlexNetは、テストセットで3.57%のエラーを記録し、ImageNet 2015コンテストで優勝した、100層を超えるマイクロソフトの非常に深いCNNにパフォーマンスで負けました。 [21]

アンドレイ・カルパシーは2014年に、集中的な努力をすれば5.1%のエラー率に到達でき、彼の研究室の約10人がより少ない努力で約12～13%に到達できると推定しました。[22] [23]最大限の努力をすれば、人間は2.4%に到達できると推定されました。[6]

データセット

ImageNetは、アノテーション処理をクラウドソーシングで行っています。画像レベルのアノテーションは、画像内のオブジェクトクラスの有無を示します。例えば、「この画像にはトラがいます」や「この画像にはトラがいません」などです。オブジェクトレベルのアノテーションは、指定されたオブジェクト（の可視部分）の周囲に境界ボックスを提供します。ImageNetは、WordNetの広範なスキーマの派生形を用いてオブジェクトを分類し、さらに120種類の犬種のカテゴリを追加することで、きめ細かな分類を実現しています。[6]

2012年、ImageNetはMechanical Turkの世界最大の学術ユーザーでした。平均的な作業者は1分間に50枚の画像を識別しました。[2]

完全なImageNetの当初の計画では、約5万枚のシンセットにまたがる約5000万枚のクリーンで多様性に富んだフル解像度の画像が含まれる予定でした。[15]これは達成されませんでした。

2010年4月30日に発表された要約統計：[24]

  • 空でないシンセットの総数: 21841
  • 画像総数: 14,197,122
  • 境界ボックス注釈付き画像の数: 1,034,908
  • SIFT特徴量を含むシンセットの数: 1000
  • SIFT特徴量を含む画像数：120万枚

カテゴリー

ImageNetのカテゴリは、WordNetの概念からフィルタリングされました。各概念は複数の同義語（例えば「子猫」と「若い猫」）を含む可能性があるため、「同義語セット」または「synset」と呼ばれます。WordNet 3.0には10万以上のsynsetがあり、その大部分（8万以上）は名詞です。ImageNetデータセットは、これらを21,841のsynsetにフィルタリングし、視覚的に表現できる 可算名詞に絞り込みました。

WordNet 3.0の各synsetには「WordNet ID」（wnid）が付与されます。これは品詞と「オフセット」（一意の識別番号）を連結したものです。ImageNetは名詞のみを含むため、すべてのwnidは「n」で始まります。例えば、「犬、飼い犬、Canis familiaris」というsynsetのwnidは「n02084071」です。[25]

ImageNetのカテゴリはレベル1（「哺乳類」など）からレベル9（「ジャーマンシェパード」など）までの9つのレベルに分類されます。[13]

画像フォーマット

画像は、オンライン画像検索（Google、Picsearch、MSN、Yahoo、Flickrなど）から、複数の言語の同義語を用いて収集されました。例：ジャーマン・シェパード、ジャーマン・ポリス・ドッグ、ジャーマン・シェパード・ドッグ、アルザス語、オーヴェジェロ・アレマン、パストーレ・テデスコ、德国牧羊犬。[26]

ImageNetは、様々な解像度のRGB形式の画像で構成されています。例えば、ImageNet 2012の「魚」カテゴリでは、解像度は4288 x 2848から75 x 56までの範囲です。機械学習では、これらの画像は通常、ニューラルネットワークによる更なる処理の前に、標準的な一定解像度に前処理され、白色化されます。

例えばPyTorchでは、ImageNet画像はデフォルトでピクセル値を0と1の間に割り、次に[0.485, 0.456, 0.406]を減算し、さらに[0.229, 0.224, 0.225]で割ることで正規化されます。これらはImageNetの平均値と標準偏差であり、入力データが白色化されます。 [27]

ラベルと注釈

各画像には wnid が 1 つだけラベル付けされます。

ImageNet-1Kの高密度SIFT特徴量（生のSIFT記述子、量子化されたコードワード、各記述子/コードワードの座標）は、bag of visual words用に設計されており、ダウンロード可能でした。[28]

オブジェクトの境界ボックスは約3000種類の一般的なシンセット[29]で利用可能で、各シンセットには平均150枚の画像が含まれていました[30] 。

さらに、一部の画像には属性があります。彼らは約400の人気のあるシンセットに対して25の属性を公開しました。[31] [32]

  • 色: 黒、青、茶、灰色、緑、オレンジ、ピンク、赤、紫、白、黄
  • 模様：斑点模様、縞模様
  • 形状：長い、丸い、長方形、正方形
  • 質感: 毛皮のような、滑らかな、ざらざらした、光沢のある、金属的な、植物のような、木製の、濡れた

イメージネット-21K

完全なオリジナルデータセットはImageNet-21Kと呼ばれています。ImageNet-21kには、21,841のクラスに分類された14,197,122枚の画像が含まれています。一部の論文では、これをまとめてImageNet-22kと呼んでいます。[33]

ImageNet-21kの完全版は2011年秋にリリースされましたfall11_whole.tar。ImageNet-21kには公式の学習・検証・テストの分割はありません。クラスによっては1～10個のサンプルしか含まれないものもありますが、数千個のサンプルが含まれるクラスもあります。[33]

イメージネット-1K

ImageNetデータセットには様々なコンテキストで使用される様々なサブセットがあり、「バージョン」と呼ばれることもあります。[18]

ImageNetで最もよく利用されているサブセットの一つは、「ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 2012–2017 画像分類および位置推定データセット」です。これは研究文献ではImageNet-1KまたはILSVRC2017とも呼ばれ、1,000クラスを対象としたオリジナルのILSVRCチャレンジを反映しています。ImageNet-1Kには、1,281,167枚のトレーニング画像、50,000枚の検証画像、100,000枚のテスト画像が含まれています。[34]

ImageNet-1Kの各カテゴリはリーフカテゴリであり、ImageNet-21Kとは異なり、その下に子ノードは存在しません。例えば、ImageNet-21Kでは単に「哺乳類」に分類される画像がいくつか存在しますが、ImageNet-1Kでは「ジャーマン・シェパード」の下に子ノードがないため、「ジャーマン・シェパード」のようなカテゴリに分類される画像のみとなります。[26]

その後の展開

ImageNetを構築したWordNetでは、「人物」サブツリーに2832個のシノセットが含まれていました。2018年から2020年にかけて、これらの人物シノセットを徹底的にフィルタリングしたため、ImageNet-21kのダウンロードは削除されました。この2832個のシノセットのうち、1593個は「潜在的に不快」と判断されました。残りの1239個のうち、1081個は実際には「視覚的」ではないと判断されました。その結果、残ったシノセットは158個のみでした。そのうち、「さらなる調査」のために100枚以上の画像が含まれていたのはわずか139個でした。[12] [35] [36]

2021年冬、ImageNet-21kが更新されました。学習済みモデルにおける「問題行動」を防ぐため、「人物」サブツリーの2702のカテゴリが削除されました。その結果、「人物」サブツリーには130のシンセットのみが残りました。さらに2021年には、ImageNet-1kが更新され、997の非人物カテゴリに現れる顔をぼかしました。その結果、ImageNet-1kの全1,431,093枚の画像のうち、243,198枚（17%）に少なくとも1つの顔が含まれていることがわかりました。顔の総数は562,626枚です。これらの顔をぼかしたデータセットで学習モデルを学習しても、パフォーマンスの低下は最小限に抑えられました。[37] [38]

ImageNet-Cは2019年に構築されたImageNetの敵対的撹乱バージョンである。[39]

ImageNetV2は、オリジナルのImageNetと同じ方法論で構築された、それぞれ10,000のテストセットを3つ含む新しいデータセットでした。[40]

ImageNet-21K-Pは、ImageNet-21Kのフィルタリングおよびクリーンアップされたサブセットであり、11,221カテゴリから12,358,688枚の画像が含まれています。すべての画像は224 x 224ピクセルにリサイズされています。[33]

ImageNetチャレンジの歴史

ImageNetのエラー率履歴（チームごとの最高結果と年間最大10エントリを表示）。AlexNetの2012年のエントリがはっきりと確認できます。

ILSVRCは、2005年に設立された、約2万枚の画像と20のオブジェクトクラスのみを対象とした小規模なPASCAL VOCチャレンジの「足跡を辿る」ことを目指しています。[6] ImageNetを「民主化」するため、フェイフェイ・リーはPASCAL VOCチームに対し、2010年から開始される共同研究を提案しました。この共同研究は、研究チームが与えられたデータセット上でアルゴリズムを評価し、いくつかの視覚認識タスクでより高い精度を達成することを競うというものでした。[8]

その結果生まれた毎年恒例のコンテストは、現在ImageNet Large Scale Visual Recognition Challenge (ILSVRC) として知られています。ILSVRCでは、ImageNetの完全なスキーマで分類される120種の犬種のうち90種を含む、わずか1000個の画像カテゴリー（「クラス」）のみを「トリミング」したリストを使用します。[6]

2010 年代には画像処理が劇的に進歩しました。

2010年の第1回大会には11チームが参加しました。優勝チームは線形サポートベクターマシン（SVM）でした。特徴量はHoGとLBPの稠密グリッドで、局所座標コーディングとプーリングによって疎化されています。[41]分類精度は52.9%、トップ5精度は71.8%を達成しました。学習は3台の8コアマシン（デュアルクアッドコア2GHz Intel Xeon CPU）で4日間行われました。[42]

2011年の第2回大会では、参加チーム数が少なく、別のSVMがトップ5エラー率25%で優勝しました。[10]優勝チームは、Florent PerronninとJorge SanchezによるXRCEでした。このシステムは、量子化された[43] フィッシャーベクトル[44] [45]上で動作する別の線形SVMでした。トップ5精度は74.2%でした。

2012年、 AlexNetと呼ばれる深層畳み込みニューラルネットワークは、トップ5の精度で84.7%を達成し、大きな飛躍を遂げました。[46] 2位は、SVM、SIFT、色統計、フィッシャーベクトルなどの従来の汎用アーキテクチャを採用したオックスフォードVGGでした。[47]その後数年間で、トップ5の精度は90%を超えました。2012年のブレークスルーは「既存の要素をすべて組み合わせた」ものでしたが、この劇的な定量的改善は、業界全体にわたる人工知能ブームの始まりを示しました。[4]

2013年の上位入賞作品のほとんどが畳み込みニューラルネットワークを採用していました。物体位置推定部門の優勝作品は、物体の分類と位置推定を同時に行うアーキテクチャであるOverFeatでした。 [48]分類部門の優勝作品は、Clarifaiによる複数のCNNのアンサンブルでした。[6]

2014年までに、50を超える機関がILSVRCに​​参加しました。[6]分類の優勝者はGoogLeNetでした。[49]位置推定の優勝者はVGGNetでした。2017年には、38の競合チームのうち29チームが95％以上の精度を達成しました。[50] 2017年にImageNetは、自然言語を使用して3Dオブジェクトを分類するという、より困難な新しいチャレンジを2018年に開始すると発表しました。3Dデータの作成は既存の2D画像に注釈を付けるよりもコストがかかるため、データセットは小さくなることが予想されます。この分野での進歩の応用は、ロボットナビゲーションから拡張現実まで多岐にわたります。[1]

2015年の優勝者はResNetで、人間のパフォーマンスを上回りました。[21] [51]しかし、このチャレンジの主催者の一人であるオルガ・ルサコフスキーが2015年に指摘したように、ILSVRCは1000以上のカテゴリーに過ぎず、人間はより多くのカテゴリーを認識でき、また（プログラムとは異なり）画像の文脈を判断することもできます。[52]

2016年の優勝作品はCUImageで、Inception v3、Inception v4、Inception ResNet v2、ResNet 200、Wide ResNet 68、Wide ResNet 3の6つのネットワークからなるアンサンブルモデルでした。 [53]次点はResNeXtで、InceptionモジュールとResNetを組み合わせたものでした。[54]

2017年の優勝者はスクイーズ・アンド・エキサイテーション・ネットワーク（SENet）で、トップ5のエラーを2.251%にまで削減しました。[55]

コンテスト主催者は2017年、ベンチマークが解決され、もはや挑戦的な課題ではなくなったため、2017年のコンテストを最後にすると発表しました。また、3D画像に関する新たなコンテストを開催するとも述べていました。[1]しかし、そのようなコンテストは実現しませんでした。

ImageNetにおけるバイアス

ImageNet-1k検証セットのラベルの6%以上が間違っていると推定されています。[56]また、ImageNet-1kの約10%に曖昧なラベルや誤ったラベルが含まれており、モデルの予測と元のImageNetラベルを提示された場合、人間の注釈者は元のImageNetでトレーニングされた2020年の最先端モデルの予測を好むことがわかっており、これはImageNet-1kが飽和状態にあることを示唆しています。[57]

2019年に行われたImageNetとWordNetの複数のレイヤー（分類、オブジェクトクラス、ラベル付け）の歴史に関する研究では、あらゆる種類の画像のほとんどの分類アプローチにバイアス[説明が必要]が深く組み込まれていることが説明されました。[58] [59] [60] [61] ImageNetはさまざまなバイアスの原因に対処するために取り組んでいます。[62]

WordNet の使用における欠点の 1 つは、カテゴリが ImageNet に最適なレベルよりも「高め」に設定される可能性があることです。「ほとんどの人は、この珍しい種類のディプロドクスよりも、レディー・ガガや iPod Mini に興味があります。」[説明が必要]

参照

参考文献

  1. ^ abc 「新たなコンピュータービジョンの挑戦、ロボットに3Dで見ることを教える」ニューサイエンティスト、2017年4月7日。 2018年2月3日閲覧。
  2. ^ abc Markoff, John (2012年11月19日). 「ウェブ画像の検索と発見のための新たな技術の創出」ニューヨーク・タイムズ. 2018年2月3日閲覧。
  3. ^ “ImageNet”. 2020年9月7日. 2020年9月7日時点のオリジナルよりアーカイブ。 2022年10月11日閲覧。
  4. ^ abc 「働かない状態からニューラルネットワークへ」エコノミスト誌、2016年6月25日。 2018年2月3日閲覧。
  5. ^ 「ImageNetの概要」ImageNet . 2022年10月15日閲覧。
  6. ^ abcdefgh ルサコフスキー、オルガ;鄧、佳。スー、ハオ。クラウス、ジョナサン。サシーシュ、サンジーブ。マ、ショーン。黄志恒。カルパシー、アンドレイ。コスラ、アディティヤ。バーンスタイン、マイケル。バーグ、アレクサンダー C.フェイフェイ、リー（2015 年 12 月 1 日） 「ImageNet 大規模視覚認識チャレンジ」。コンピュータビジョンの国際ジャーナル。115 ( 3) : 211–252.arXiv : 1409.0575 。土井：10.1007/s11263-015-0816-y。ISSN  1573-1405。
  7. ^ Hempel, Jesse (2018年11月13日). 「フェイフェイ・リーの人類のためのAI改善への探求」. Wired . 2019年5月5日閲覧。2007年にプリンストン大学に戻り助教授に就任したリーがImageNetのアイデアを語った際、教員の協力を得るのに苦労した。最終的に、コンピュータアーキテクチャを専門とする教授が協力者となることに同意した。
  8. ^ abcde Gershgorn, Dave (2017年7月26日). 「AI研究、そしておそらく世界を変革したデータ」Quartz . Atlantic Media Co. 2017年7月26日閲覧。WordNetのアプローチについて読んだリーは、2006年にプリンストン大学を訪れた際に、WordNetの継続的な研究に影響を与えた研究者であるクリスティアン・フェルバウム教授と面会した。
  9. ^ ビーダーマン、アーヴィング(1987). 「構成要素による認識：人間のイメージ理解の理論」 .心理学評論. 94 (2): 115– 117. doi :10.1037/0033-295x.94.2.115. ISSN  0033-295X. PMID  3575582.
  10. ^ abc Lee, Timothy B. (2024年11月11日). 「いかにして頑固なコンピューター科学者が偶然にディープラーニングブームを起こしたのか」Ars Technica . 2024年11月12日閲覧。
  11. ^ Li, Fei-Fei; Deng, Jia (2017). 「私たちはこれまでどこにいたのか？ 私たちはどこへ向かっているのか？」(PDF) . 「ImageNet大規模視覚認識チャレンジを超えて」、CVPR 2017ワークショップ (プレゼンテーション).
  12. ^ ab Yang, Kaiyu; Qinami, Klint; Fei-Fei, Li; Deng, Jia; Russakovsky, Olga (2019年9月17日). 「より公平なデータセットに向けて：ImageNet階層における人物サブツリーの分布のフィルタリングとバランス調整」. image-net.org .
  13. ^ ab Li, FF. ImageNet. 「クラウドソーシング、ベンチマーキング、その他のクールなもの」CMU VASCセミナー16 (2010): 18-25.
  14. ^ 「CVPR 2009: IEEE Computer Society Conference on Computer Vision and Pattern Recognition」. tab.computer.org . 2024年11月13日閲覧。
  15. ^ ab Deng, Jia; Dong, Wei; Socher, Richard; Li, Li-Jia; Li, Kai; Fei-Fei, Li (2009)、「ImageNet: A Large-Scale Hierarchical Image Database」（PDF）、2009 conference on Computer Vision and Pattern Recognition 、 2021年1月15日時点のオリジナル（PDF）からアーカイブ、 2017年7月26日取得
  16. ^ Li, Fei-Fei (2015年3月23日)、「コンピュータに画像を理解するよう教える方法」 、 2018年12月16日閲覧。
  17. ^ Deng, Jia他「大規模画像オントロジーの構築と分析」Vision Sciences Society 186.2 (2009).
  18. ^ abc Krizhevsky, Alex; Sutskever, Ilya; Hinton, Geoffrey E. (2017年6月). 「ImageNet分類と深層畳み込みニューラルネットワーク」(PDF) . Communications of the ACM . 60 (6): 84– 90. doi : 10.1145/3065386 . ISSN  0001-0782. S2CID  195908774. 2017年5月24日閲覧.
  19. ^ 「機械が人間を上回るタスクが増加」フィナンシャル・タイムズ、2017年11月30日。 2018年2月3日閲覧。
  20. ^ Gershgorn, Dave (2018年6月18日). 「AIがシリコンバレーを支配するほど優れた存在になるまでの裏話」Quartz . 2018年12月10日閲覧。
  21. ^ ab He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2016). 「画像認識のための深層残差学習」. 2016 IEEE コンピュータビジョンとパターン認識会議 (CVPR) . pp.  770– 778. arXiv : 1512.03385 . doi :10.1109/CVPR.2016.90. ISBN 978-1-4673-8851-1. S2CID  206594692。
  22. ^ 「Google Chat の新しいコミュニティ機能と Currents のアップデート」。2015年5月22日時点のオリジナルよりアーカイブ。
  23. ^ Karpathy, Andrej (2014年9月2日). 「ImageNetでConvNetと対戦して学んだこと」Andrej Karpathyのブログ。
  24. ^ “ImageNet Summary and Statistics (updated on April 30, 2010)”. 2013年1月15日. 2024年11月13日閲覧。
  25. ^ “ImageNet APIドキュメント”. 2013年1月22日. 2024年11月13日閲覧。
  26. ^ ab Berg, Alex, Jia Deng, L. Fei-Fei. 「Large scale visual recognition challenge 2010」 2010年11月.
  27. ^ 「ImageNetとは異なる画像正規化のstdとmean · Issue #20 · openai/CLIP」. GitHub . 2024年9月19日閲覧。
  28. ^ “ImageNet”. 2013年4月5日. 2024年11月13日閲覧。
  29. ^ https://web.archive.org/web/20181030191122/http://www.image-net.org/api/text/imagenet.sbow.obtain_synset_list
  30. ^ “ImageNet”. 2013年4月5日時点のオリジナルよりアーカイブ。
  31. ^ “ImageNet”. 2019年12月22日時点のオリジナルよりアーカイブ。
  32. ^ Russakovsky, Olga; Fei-Fei, Li (2012). 「大規模データセットにおける属性学習」. Kutulakos, Kiriakos N. (編).コンピュータビジョンのトレンドとトピック. コンピュータサイエンス講義ノート. 第6553巻. ベルリン、ハイデルベルク: Springer. pp.  1– 14. doi :10.1007/978-3-642-35749-7_1. ISBN 978-3-642-35749-7。
  33. ^ abcd Ridnik, Tal; Ben-Baruch, Emanuel; Noy, Asaf; Zelnik-Manor, Lihi (2021年8月5日). 「ImageNet-21K の大規模事前学習」. arXiv : 2104.10972 [cs.CV].
  34. ^ "ImageNet". www.image-net.org . 2022年10月19日閲覧。
  35. ^ Yang, Kaiyu; Qinami, Klint; Fei-Fei, Li; Deng, Jia; Russakovsky, Olga (2020年1月27日). 「より公平なデータセットに向けて：ImageNet階層における人物サブツリーの分布のフィルタリングとバランス調整」. 2020年公平性、説明責任、透明性に関する会議議事録. ACM. pp.  547– 558. doi :10.1145/3351095.3375709. ISBN 978-1-4503-6936-7。
  36. ^ 「NSF Award Search: Award # 1763642」. www.nsf.gov . 2025年6月7日閲覧。
  37. ^ 「ImageNetウェブサイトとデータセットのアップデート」www.image-net.org . 2024年11月13日閲覧。
  38. ^ Yang, Kaiyu; Yau, Jacqueline H.; Fei-Fei, Li; Deng, Jia; Russakovsky, Olga (2022年6月28日). 「ImageNetにおける顔の難読化に関する研究」.第39回国際機械学習会議論文集. PMLR: 25313– 25330.
  39. ^ Hendrycks, Dan; Dietterich, Thomas (2019). 「一般的な破壊と摂動に対するニューラルネットワークの堅牢性のベンチマーク」arXiv : 1903.12261 [cs.LG].
  40. ^ Recht, Benjamin; Roelofs, Rebecca; Schmidt, Ludwig; Shankar, Vaishaal (2019年5月24日). 「ImageNet分類器はImageNetに一般化できるか？」第36回国際機械学習会議論文集. PMLR: 5389–5400 .
  41. ^ ImageNet分類：高速記述子コーディングと大規模SVMトレーニング
  42. ^ 林源清; LV、フォンジュン。朱聖火。ヤン、ミン。そうですね、ティモシー。ユウ、カイ。曹操、梁梁。ファン、トーマス (2011 年 6 月)。 「大規模画像分類: 高速特徴抽出と SVM トレーニング」。CVPR 2011。 IEEE。 pp.  1689–1696 . doi :10.1109/cvpr.2011.5995477。ISBN 978-1-4577-0394-2。
  43. ^ サンチェス, ホルヘ; ペロニン, フロレント (2011年6月). 「大規模画像分類のための高次元シグネチャ圧縮」. CVPR 2011 . IEEE. pp.  1665– 1672. doi :10.1109/cvpr.2011.5995504. ISBN 978-1-4577-0394-2。
  44. ^ ペロナン、フィレンツェ;サンチェス、ホルヘ。メンシンク、トーマス (2010)。 「大規模な画像分類のためのフィッシャー カーネルの改善」。コスタス州ダニイリディスにて。マラゴス、ペトロス。パラギオス、ニコス（編）。コンピューター ビジョン – ECCV 2010。コンピューターサイエンスの講義ノート。 Vol. 6314. ベルリン、ハイデルベルク: Springer。 pp.  143–156。土井:10.1007/978-3-642-15561-1_11。ISBN 978-3-642-15561-1。
  45. ^ 「XRCE@ILSVRC2011: LSVR 用圧縮フィッシャーベクトル」、Florent Perronnin および Jorge Sánchez、ゼロックス リサーチ センター ヨーロッパ (XRCE)
  46. ^ 「ImageNet大規模視覚認識コンペティション2012（ILSVRC2012）」。
  47. ^ ルッサコフスキー, オルガ; デン, ジア; ファン, ジーヘン; バーグ, アレクサンダー C.; フェイフェイ, リー (2013). 「アボカドからズッキーニまで検出：これまでの成果と今後の展望」: 2064– 2071. {{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
  48. ^ Sermanet, Pierre; Eigen, David; Zhang, Xiang; Mathieu, Michael; Fergus, Rob; LeCun, Yann (2013). 「OverFeat: 畳み込みネットワークを用いた統合認識、位置推定、検出」. arXiv : 1312.6229 [cs.CV].
  49. ^ Szegedy, Christian; Wei Liu; Yangqing Jia; Sermanet, Pierre; Reed, Scott; Anguelov, Dragomir; Erhan, Dumitru; Vanhoucke, Vincent; Rabinovich, Andrew (2015年6月). 「畳み込みの深化」. 2015 IEEE Con​​ference on Computer Vision and Pattern Recognition (CVPR) . IEEE. pp.  1– 9. arXiv : 1409.4842 . doi :10.1109/CVPR.2015.7298594. ISBN 978-1-4673-6964-0。
  50. ^ Gershgorn, Dave (2017年9月10日). 「Quartzによる人工知能ガイド：人工知能とは何か、なぜ重要なのか、そして私たちは恐れるべきなのか？」Quartz . 2018年2月3日閲覧。
  51. ^ ジョン・マークオフ（2015年12月10日）「人工知能の学習能力の進歩は人間の能力に匹敵する」ニューヨーク・タイムズ。 2016年6月22日閲覧。
  52. ^ アロン、ジェイコブ（2015年9月21日）「チューリングテストは忘れろ ― AIを判断するより良い方法がある」ニューサイエンティスト。 2016年6月22日閲覧。
  53. ^ "Ilsvrc2016".
  54. ^ Xie, Saining; Girshick, Ross; Dollar, Piotr; Tu, Zhuowen; He, Kaiming (2017). ディープニューラルネットワークのための集約残差変換(PDF) .コンピュータビジョンとパターン認識に関する会議. pp.  1492– 1500. arXiv : 1611.05431 . doi :10.1109/CVPR.2017.634.
  55. ^ 胡潔;シェン、リー。アルバニー、サミュエル。サン、ギャング。呉、恩華（2017）。 「圧迫と励起のネットワーク」。arXiv : 1709.01507 [cs.CV]。
  56. ^ Northcutt, Curtis G.; Athalye, Anish; Mueller, Jonas (2021年11月7日) 「テストセットにおけるラベルエラーの蔓延が機械学習ベンチマークを不安定にする」arXiv : 2103.14749
  57. ^ バイエル、ルーカス;エナフ、オリヴィエ J.コレスニコフ、アレクサンダー。ザイ、シャオファ。オード、アーロン・ヴァン・デン (2020 年 6 月 12 日)、ImageNet はもう終わりですか?、arXiv : 2006.07159
  58. ^ 「あなたにラベルを貼るウイルスアプリは、あなたが思っているものとは全然違う」Wired . ISSN  1059-1028 . 2019年9月22日閲覧。
  59. ^ Wong, Julia Carrie (2019年9月18日). 「話題の自撮りアプリImageNet Rouletteは楽しそうだったが、人種差別的な言葉を浴びせられると、その言葉は消え去った」. The Guardian . ISSN  0261-3077 . 2019年9月22日閲覧。
  60. ^ Crawford, Kate; Paglen, Trevor (2019年9月19日). 「AIの発掘：機械学習のためのトレーニングセットの政治学」- . 2019年9月22日閲覧。
  61. ^ マイケル・ライオンズ（2020年12月24日）「AIの発掘：ギャラリーの中の象」arXiv : 2009.01215 . doi :10.5281/zenodo.4037538. {{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
  62. ^ 「より公平なデータセットに向けて：ImageNet階層における人物サブツリーの分布のフィルタリングとバランス調整」image-net.org 2019年9月17日. 2019年9月22日閲覧。

一次資料

  • 鄧、佳。ドン、ウェイ。ソーチャー、リチャード。リー、リージア。カイ・リー;李菲菲 (2009 年 6 月)。ImageNet: 大規模な階層型画像データベース。 CVPR 2009。IEEE。 pp.  248–255。土井:10.1109/CVPR.2009.5206848。ISBN 978-1-4244-3992-8。
  • Fei-Fei, L.; Deng, J.; Li, K. (2010年3月22日). 「ImageNet：大規模画像データベースの構築」. Journal of Vision . 9 (8): 1037. doi : 10.1167/9.8.1037 . ISSN  1534-7362.
  • Deng, Jia; Berg, Alexander C.; Li, Kai; Fei-Fei, Li (2010). Daniilidis, Kostas; Maragos, Petros; Paragios, Nikos (編). 10,000以上の画像カテゴリーの分類から何がわかるのか？コンピュータビジョン – ECCV 2010. ベルリン、ハイデルベルク：シュプリンガー. pp.  71– 84. doi :10.1007/978-3-642-15555-0_6. ISBN 978-3-642-15555-0。
  • ルサコフスキー, オルガ; デン, ジア; ファン, ジーヘン; バーグ, アレクサンダー C.; フェイフェイ, リー (2013). アボカドからズッキーニまで検出：これまでの成果と今後の展望. ICCV 2013. pp.  2064– 2071.
  • ルサコフスキー、オルガ。鄧、佳。スー、ハオ。クラウス、ジョナサン。サシーシュ、サンジーブ。マ、ショーン。黄志恒。カルパシー、アンドレイ。コスラ、アディティヤ。バーンスタイン、マイケル。バーグ、アレクサンダー C.フェイフェイ、リー（2015 年 12 月 1 日） 「ImageNet 大規模視覚認識チャレンジ」。コンピュータビジョンの国際ジャーナル。115 ( 3) : 211–252.arXiv : 1409.0575 。土井：10.1007/s11263-015-0816-y。ISSN  1573-1405。
  • 公式サイト