“DreamNet？这是什么网络结构？”

李飞飞仔细翻找了一下各个队伍对自己提交的描述。

可以看到几乎所有队伍的提交中都描述道，“我们的结构基于AlexNet”

，“我们仿照AlexNet”

，“我们把AlexNet和传统支持向量机....相结合”

。

做法类似，结果自然也大差不差。

剩下的便是如何把数个模型整合到一起的描述。

翻到队伍Dream，人员构成栏只有“FanqiMeng，HuangTang”

两个名字，没有具体的机构信息。

观看队伍算法的简介，更是寥寥数语。

“我们提出了新的DreamNet，使得深达到百层乃至千层的网络能够被训练。

由于缺乏足够的设备，我们只获得了单个的权重进行提交。”

孟繁岐是故意的，他当然可以把残差又或者是其他的主要trick简要地在队伍的提交描述里介绍清楚。

但为什么要这么做呢，一定要先勾起业界这些人的好奇心，才能够获得最大的关注。

分类top-5错误率，4.9%。

这样一个简单的数字直接击中了李飞飞的内心。

算法的错误率低于人类的5.1%，从09年她推动这个竞赛以来，一直是她追求的目标，也是她组织这个竞赛的一大原因。

她甚至曾经做好了打算，如果某一届的算法成功地突破了这个水准，就不再继续组织IMAGENET。

但她万万没有想到，这一天会来得这么快。

就在400天前，最好的传统办法还只能取得25%左右的错误率。

去年AlexNet16左右的错误率，她以为是一次厚积薄发的飞跃，这样的进展可谓几十年一现。

完全没有想到今年的结果会给她一个更加夸张的惊喜。

DreamNet，突破了人类水准的DreamNet。

李飞飞觉得这个名字起得实在恰如其分，这个结果真是如梦似幻。

检测结果mAP:0.34673，更是对第二名的0.22581进行了降维打击。

我的天，这几个人到底是何方神圣？李飞飞苦思冥想，也想不出在哪个AI实验室有听过这几个名字。

“为什么不把算法内容大概描述一下！”

李飞飞用手狂锤了两下桌子，没有任何人比她这个数据收集者更能明白和理解这个算法性能的含金量。

自从她看到这个结果的一瞬间开始，她的好奇心就如脱缰的野马，再也无法控制。

真的好想知道，好想知道。

哪怕只是似是而非的一两句描述，哪怕只是不明觉厉的一两个特定术语也好。

只可惜孟繁岐深谙媒体宣传那一套，字里行间，先是“我们提出了新的DreamNet”

表示这个结构是截然不同，相比AlexNet变化很大的，以强化阅读者的好奇心。

随后又抛出重磅炸弹，“我们使得深达到百层乃至千层的网络能够被训练”

，以去年8层的冠军来对比，这个数字实在太过震撼，更让技术从业者们心痒不已。

最后再假装谦虚一下，实则表示，我们只使用比较有限的资源，获得了一个结果，就不跟你们去卷多模型融合集成那一套了。

性能相差那么多，实在没必要呀。

“尽快把结果页面上线。”