ImageNetとは

ImageNetは、画像認識の研究のために作られた、ラベル付きの大規模な画像データセットです。フェイフェイ・リー（Fei-Fei Li）らの研究グループが構築し、2009年に論文で発表しました。

規模と作り方

カテゴリは、英語の語彙データベースWordNetの名詞の階層に沿って作られています。「動物」「犬」「ビーグル」のように上位と下位の関係をもつため、カテゴリ自体も木のような構造です。全体では、2万を超えるカテゴリに1,400万枚以上の画像が集められました。

ウェブから集めた候補の画像が本当にそのカテゴリに当てはまるかは、クラウドソーシング（Amazon Mechanical Turk）で多くの作業者が確認しました。人手によるアノテーションを、かつてない規模で行ったことが特徴です。

ILSVRCとの関係

ImageNetはデータセットで、ILSVRCはそのデータを使ったコンテストです。ILSVRCの画像分類部門では、ImageNetから選んだ1,000カテゴリ、約120万枚の訓練画像が使われました。2012年には、CNNを使ったAlexNetが大差で優勝しました。これがディープラーニングが注目を集めるきっかけになりました。

なぜ重要か

ディープラーニングのモデルはパラメータが多く、データが少ないと過学習しやすい性質があります。ImageNetは、深いCNNを十分に学習させられる量のラベル付きデータを提供しました。GPUによる計算の高速化とあわせて、データの量が性能を大きく左右することを示した例です。

また、ImageNetで事前学習したモデルは、別の画像認識の課題でも特徴を取り出す部分として使われます。転移学習やファインチューニングの出発点としても広く利用されてきました。

覚え方

「ImageNetは問題集、ILSVRCはその問題集を使った試験」と覚えます。