图像分类的Top-5错误率怎么理解？

在看一些深度学习图像分类文献的时候，经常提到ImageNet Top-5错误率降到了15%。它是什么意思呢？



top1就是你预测的label取最后概率向量里面最大的那一个作为预测结果，你的预测结果中概率最大的那个类必须是正确类别才算预测正确。而top5就是最后概率向量最大的前五名中出现了正确概率即为预测正确。

ImageNet 项目

ImageNet 项目是一个用于物体对象识别检索大型视觉数据库。截止2016年，ImageNet 已经对超过一千万个图像的url进行手动注释，标记图像的类别。在至少一百万张图像中还提供了边界框。自2010年以来，ImageNet 举办一年一度的软件竞赛，叫做 ImageNet 大尺度视觉识别挑战(ImageNet
Large Scale Visual Recognition Challenge,ILSVRC)。主要内容是通过算法程序实现正确分类和探测识别物体与场景，评价标准就是Top-5 错误率。

Top-5 错误率

ILSRVRC（ImageNet 图像分类大赛） 比赛设置如下：

1000类图像分类问题，训练数据集126万张图像，验证集5万张，测试集10万张（标注未公布）。

评价标准采用 top-5 错误率——即对一张图像预测5个类别，只要有一个和人工标注类别相同就算对，否则算错。

近几年ILSRVRC 比赛结果如下表所示：

结果公布时间     机构top-5错误率(%)      方法

2015.2.11                  Google     4.82     http://arxiv-web3.library.cornell.edu/abs/1502.03167

2015.2.6                    MSRA      4.94     http://arxiv.org/abs/1502.01852

2015.2.6                    Baidu       5.33     http://arxiv.org/abs/1501.02876

2015.1.13                  Baidu      5.98     ——

2014.8.18                 Google     6.66     http://arxiv.org/abs/1409.4842

2014.8.18                 Oxford      7.33     http://arxiv.org/abs/1409.1556

2013.11.14                NYU         11.7     http://arxiv.org/abs/1311.2901

2012.10.13            U.Toronto     16.4