Top-K 错误率

概述

ImageNet 竞赛中使用的分类评估指标，衡量模型预测中前 K 个最可能类别是否包含正确答案。

关键内容

1. Top-1 错误率：模型预测的最高概率类别是否正确。这是最严格的评估标准，直接反映模型的精确分类能力。
2. Top-5 错误率：模型预测的前 5 个最高概率类别中是否包含正确类别。由于 ImageNet 的 1000 个类别中存在视觉相似类别，Top-5 错误率更能反映模型的实用价值。
3. 历史里程碑：AlexNet（2012）将 Top-5 错误率从 26.2% 降至 15.3%；VGGNet（2014）降至 7.3%；ResNet（2015）首次超越人类水平（3.57% vs 人类约 5.1%）。

Top-K 错误率是衡量图像分类模型性能的标准指标，尤其在细粒度分类任务中比 Top-1 更具参考价值。

来源

• ImageNet — ILSVRC 竞赛官方评估指标

相关

• ImageNet — used_by
• AlexNet — evaluated_by
• VGGNet — evaluated_by
• 残差网络（ResNet） — evaluated_by