Karpathy 实测人类在 ImageNet 上的分类准确率并与 GoogLeNet 对比

Andrej Karpathy 撰文回顾 2014 年 ILSVRC，他亲自标注 1500 张测试集图像，得到 5.1% 的错误率，比冠军 GoogLeNet 的 6.8% 低约 1.7%（p = 0.022，统计显著）。他分析了双方错误类型：GoogLeNet 更易在过小过细物体、滤镜、抽象表现上出错，人则在细粒度识别（如 120 多种狗）和类别不熟悉上错误更多，并开源了标注界面供读者自行体验。