面向 ImageNet-1k 的无误训练

本文描述了一种在 ImageNet 2012 比赛数据集 [7] 上进行的前馈人工神经网络训练方法，采用 [5] 的新方法，达到 98.3% 的准确率，Top-1 rate 为 99.69%，且在数据集的 10 个 batch 分区中平均有 285.9 个标签被完美分类。最佳模型使用 322,430,160 个参数，精度为 4 位小数。我们推测，该模型未达到 100% 准确率的原因是双标签问题，即数据集中存在带有不同标签的重复图像。