Сто один клас замість п'яти
Лі Фей-Фей, Роб Фергюс і П'єтро Перона зібрали набір зі 101 категорії предметів плюс клас фону й показали баєсівський метод, що вчиться з кількох прикладів. До того розпізнавання предметних класів перевіряли здебільшого на одному-двох класах, у Вебера з колегами — на чотирьох, у Фергюса з колегами — на шести; автори називають набір у п'ятнадцять разів більшим за все попереднє.
Чому це важливо
Розпізнавання предметів дістало полігон, на якому перевага одного методу над іншим ще була видна, а вибір улюблених класів уже нічого не вирішував. Саме на цьому наборі галузь провела наступні роки, і саме його вичерпання відкрило дорогу спершу PASCAL VOC, а потім ImageNet.
Назви категорій набирали, гортаючи Webster Collegiate Dictionary й беручи ті слова, при яких був малюнок; зображення шукали пошуком Google за назвою, і двоє аспірантів, не причетних до експерименту, вичищали недоречне. Клас фону зібрано за словом «things». Числа розходяться між статтею і сторінкою набору, і запис називає обидва. Підпис до рисунка в статті каже: від 45 до 400 зображень на категорію. Власний запис Caltech про випущений набір каже: близько 40–800 зображень на категорію, у більшості категорій приблизно 50, розмір зображення приблизно 300 × 200 пікселів, зібрано у вересні 2003 року. Результати, які наводить стаття: з одним навчальним прикладом баєсівський метод дає в середньому 71 %, найкраще — понад 80 %; за трьох прикладів обидва баєсівські варіанти близькі до 75 %, тоді як метод максимальної правдоподібності на цьому місці ще на рівні випадкового вгадування, і наздоганяє лише за п'ятнадцяти. Запис не стверджує «9 144 зображень» і не стверджує «16.0 % точності за 15 навчальних знімків». Жодного з цих чисел у статті немає; вимірювання в ній — це впізнавання класу проти фону, а не вибір одного зі 101.