ImageNet：前五个错误是什么意思？

ImageNet竞赛（将1,000个类别的图像分类）的一种评估方法是top-5错误，这意味着什么？

请参阅：http：//www.image-net.org/challenges/LSVRC/

前5个错误（也称为5级错误）只是具有以下特征的Rank-N错误度量的实例化 $(N=5)$。

秩 $N$ 误差是测试样品的分数 $x_i$ 正确的标签在哪里 $y_i$ 没有出现在顶部 $N$ 以降低的置信度排序结果时模型的预测结果，或 $P(y_i|x_i)$。

在ILSVRC 2014中，分类的错误指标为：

$$e = \tfrac{1}{n} \cdot \sum_k \min_{i} d(c_i, C_k)$$

哪里

$$d(a, b) = \begin{cases} 0 & \text{if } a = b \\ 1 & \text{otherwise} \end{cases}$$

$c_i$是预测的标签，是地面真相标签。有可能的标签，其中。$C_k$$n$$k=1, ..., n$

（模型的）前5个错误率是测试图像中正确标签不在模型认为最可能的五个标签中的比例[ 1 ]

我认为对 $d(A_i, B_k)$ 应该读： $d(Ai, Bk) = 0$如果 $A_i$对于给定的地面真理类别Bk，它出现在前N个可能的分类中。= 1，如果不是。

在此，k取值为0至N-1。其中N是类数。对于每个$B_k$， 有 $A_i$ 可能的分类，其中i取值[0，N-1]