NEC-UIUC

概述

NEC-UIUC 是 NEC 实验室美国与伊利诺伊大学厄巴纳-香槟分校的联合研究团队，2010年 ILSVRC 竞赛冠军，代表传统手工特征工程方法的最高水平。

关键内容

1. 2010年 ILSVRC 冠军：NEC-UIUC 团队在 2010 年首届 ILSVRC 竞赛中以 Top-5 错误率 28.2% 获得冠军。其方法基于传统手工特征（如 SIFT、HOG）结合 支持向量机 分类器。
2. 传统方法代表：NEC-UIUC 的方法代表了深度学习之前计算机视觉的主流范式——由领域专家手工设计特征描述子，然后用传统机器学习分类器进行识别。这种方法在特定任务上有效，但泛化能力有限。
3. 与 AlexNet 的对比：2012年 AlexNet 以 16.4% 的 Top-5 错误率夺冠，比 NEC-UIUC 2010 年的成绩低了超过 11 个百分点。这一巨大差距证明了数据驱动的深度学习远优于手工特征工程。
4. 历史意义：NEC-UIUC 的成绩标志着传统计算机视觉方法的天花板——2010到2011年，冠军错误率仅从 28.2% 降至 25.8%，年进步约 2.4%；而 AlexNet 一年就降低了约 9.8 个百分点。

来源

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

相关

• ILSVRC — won_2010
• AlexNet — superseded_by
• SIFT（尺度不变特征变换） — used
• HOG（方向梯度直方图） — used
• 支持向量机 — used