CloseAI提示您：看后求收藏（笔趣阁www.biqugie.com），接着再看更方便。
“DreamNet？这是什么网络结构？”李飞飞仔细翻找了一下各个队伍对自己提交的描述。
可以看到几乎所有队伍的提交中都描述道，“我们的结构基于AlexNet”，“我们仿照AlexNet”，“我们把AlexNet和传统支持向量机/../..相结合”。
做法类似，结果自然也大差不差。
剩下的便是如何把数个模型整合到一起的描述。
翻到队伍Dream，人员构成栏只有“Fanqi Meng， Huang Tang”两个名字，没有具体的机构信息。
观看队伍算法的简介，更是寥寥数语。
“我们提出了新的DreamNet，使得深达到百层乃至千层的网络能够被训练。由于缺乏足够的设备，我们只获得了单个的权重进行提交。”
孟繁岐是故意的，他当然可以把残差又或者是其他的主要trick简要地在队伍的提交描述里介绍清楚。但为什么要这么做呢，一定要先勾起业界这些人的好奇心，才能够获得最大的关注。
分类top-5错误率，4.9%。
这样一个简单的数字直接击中了李飞飞的内心。
算法的错误率低于人类的5.1%，从09年她推动这个竞赛以来，一直是她追求的目标，也是她组织这个竞赛的一大原因。
她甚至曾经做好了打算，如果某一届的算法成功地突破了这个水准，就不再继续组织IMAGENET。
但她万万没有想到，这一天会来得这么快。
就在400天前，最好的传统办法还只能取得25%左右的错误率。
去年AlexNet 16左右的错误率，她以为是一次厚积薄发的飞跃，这样的进展可谓几十年一现。
完全没有想到今年的结果会给她一个更加夸张的惊喜。
DreamNet，突破了人类水准的DreamNet。
李飞飞觉得这个名字起得实在恰如其分，这个结果真是如梦似幻。
检测结果mAP: 0.34673，更是对第二名的0.22581进行了降维打击。
我的天，这几个人到底是何方神圣？李飞飞苦思冥想，也想不出在哪个AI实验室有听过这几个名字。
“为什么不把算法内容大概描述一下！”李飞飞用手狂锤了两下桌子，没有任何人比她这个数据收集者更能明白和理解这个算法性能的含
