AI发展史-ImageNet图像识别历年冠军模型对比（2012-2017）.pptxVIP

2026/06AI发展史ImageNet图像识别历年冠军模型对比

（2012-2017）Moeimijiang

目录历届冠军模型总览逐届冠军模型深度解析超越人类水平的意义与局限010203

历届冠军模型总览01

ILSVRC2012-2017冠军模型核心数据年份冠军模型研发机构网络深度参数量Top-5错误率核心创新2012AlexNet多伦多大学8层60M15.3%ReLU激活、Dropout、GPU并行训练2013ZFNet纽约大学8层~60M11.2%反卷积可视化、调小卷积核及步长2014VGG-16/19牛津大学16/19层138/144M7.32%全部使用3×3小卷积核、深度堆叠2014GoogLeNet谷歌22层6.8M6.67%Inception模块、多尺度卷积并行、1×1降维2015ResNet-152微软研究院152层60M3.57%残差学习、批归一化、跳跃连接2016Trimps-Soushen公安部三所/海康威视集成模型—2.99%大规模模型集成、场景专用优化2017SENet牛津/商汤152层~66M2.25%通道注意力机制、SE模块嵌入残差块

关键节点与人类水平对比模型错误率人类水平基准从15.3%到2.25%，错误率累计降低超过85%错误率语义转化机器识别1000类物体，前5猜错的概率从每七张图错一次，降到了每四五十张图才错一次超越人类里程碑2015年R