ImageNet分类器能否泛化到ImageNet？
计算机视觉与模式识别
2019-06-13 v2 机器学习
机器学习
摘要
我们为CIFAR-10和ImageNet数据集构建了新的测试集。这两个基准近十年来一直是密集研究的焦点，带来了对过度复用的测试集过拟合的风险。通过严格遵循原始数据集创建流程，我们测试当前分类模型对新数据的泛化程度。我们评估了广泛的模型，发现CIFAR-10上准确率下降3%–15%，ImageNet上下降11%–14%。然而，在原始测试集上的准确率提升会转化为新测试集上更大的提升。我们的结果表明，准确率下降并非由适应性引起，而是由于模型无法泛化到比原始测试集中稍“难”的图像。
引用
@article{arxiv.1902.10811,
title = {Do ImageNet Classifiers Generalize to ImageNet?},
author = {Benjamin Recht and Rebecca Roelofs and Ludwig Schmidt and Vaishaal Shankar},
journal= {arXiv preprint arXiv:1902.10811},
year = {2019}
}