ImageNet的缺陷：计算机视觉的热门数据集
计算机视觉与模式识别
2024-12-03 v1
摘要
自ImageNet-1k数据集发布以来，它一直是评估模型性能的金标准。它作为计算机视觉中诸多其他数据集和训练任务的基础。随着模型准确率的提升，与标签正确性相关的问题日益凸显。本博客文章分析了ImageNet-1k数据集中的问题，包括标签错误、类别定义的重叠或模糊、训练-评估领域迁移，以及图像重复。对于一些问题，解决方案是直接的；对于其他问题，我们希望发起讨论，以改进这一影响深远的数据集，使其更好地服务于未来的研究。
引用
@article{arxiv.2412.00076,
title = {Flaws of ImageNet, Computer Vision's Favourite Dataset},
author = {Nikita Kisel and Illia Volkov and Katerina Hanzelkova and Klara Janouskova and Jiri Matas},
journal= {arXiv preprint arXiv:2412.00076},
year = {2024}
}