Запис атласу: https://www.aitimeline.dev/uk/events/evt-0006/
Віха · червень 2009 р.
Розміщено за датою сучасного події першоджерела. Точна дата події невідома; нижче наведено підтверджений часовий інтервал.
ImageNet надав великий набір даних для зорового розпізнавання.
Спільний бенчмарк спростив вимірювання й порівняння прогресу в розпізнаванні зображень.
Мітки та спосіб збирання даних також впливають на те, що вимірює бенчмарк.
ImageNet · Опубліковано червень 2009 р.
arXiv; International Journal of Computer Vision (2015) · Опубліковано вересень 2014 р.
Та сама теза, втілена в наборі даних замість статті.
ImageNet протиставляє себе цьому набору: тут на синсет у середньому 1000 фото, з них чистих 10–25 %, в ImageNet — близько 99 % і повна роздільність.
Стаття про розмітників 2010 року називає ImageNet серед робіт, зроблених на цьому майданчику: розмітка мільйонів зображень стала можливою тому, що працю можна було замовляти через API.
Стаття про ImageNet називає LabelMe доповненням до себе: близько 200 категорій і 30 тисяч зображень, зате з контурами й місцем об’єктів.
ImageNet 2009 року порівнює себе з набором ESP: мітки гри тримаються «базового рівня», не розрізняють значень слова й відкриті лише для 60 тисяч зображень.
Вебмасштаб як джерело даних — умова, без якої пізніші набори не існували б.
Той самий хід, що згодом повторив ImageNet: спільний розмічений набір як умова прогресу.
Обидва записи про відкрите змагання з набором даних як спосіб рухати галузь.
Набір перетворено на щорічне змагання з фіксованою метрикою.
У роботі AlexNet мережу навчають і оцінюють на зображеннях ImageNet. Це пряме використання попереднього набору даних.
Мережу Inception v3 спершу навчено на близько 1,28 мільйона знімків 1 000 класів ImageNet 2014 року, а вже потім донавчено на знімках шкіри.
Автори прямо називають ImageNet зразком: набір має дати розпізнаванню звукових подій те, що ImageNet дав розпізнаванню об'єктів на зображеннях.
Набір із мільярда масок відіграє ту саму роль, що ImageNet для класифікації.