Top-5 错误率

概述

Top-5 错误率是图像分类任务的评估指标，指模型预测的前 5 个最高概率类别中不包含正确答案的比例，ILSVRC 竞赛采用此指标以应对细粒度分类的歧义性。

关键内容

1. 定义：对于一张输入图像，模型输出 1000 个类别的概率分布。如果正确答案不在模型预测概率最高的前 5 个类别中，则计为一次错误。Top-5 错误率 = 错误次数 / 总测试次数。
2. 为什么用 Top-5：ImageNet 的 1000 个类别中包含许多细粒度亚类（如 120 种犬科亚种），人类标注者也可能存在歧义。Top-5 指标允许模型有一定的"合理猜测"空间，比 Top-1 更宽容。
3. AlexNet 的成绩：AlexNet 在 2012 年 ILSVRC 中达到 Top-5 错误率 16.4%（Top-1 约 37.5%），比 2011 年冠军的 25.8% 降低了 9.4 个百分点。这是计算机视觉历史上最大的单年进步幅度。
4. 后续发展：此后 Top-5 错误率持续下降——VGGNet（2014）约 7.3%，残差网络（ResNet）（2015）降至 3.57%，超越人类水平（约 5.1%）。Top-5 错误率已成为衡量图像分类模型性能的标准指标之一。

来源

• [raw/articles/ai-papers/foundations/paper_03_alexnet.md] — AlexNet 论文精读

相关

• AlexNet — evaluated_on
• ImageNet — metric_for
• ILSVRC — competition_metric
• 深度学习（Deep Learning） — improved_by