ImageNet

De dataset die alles veranderde

In 2009 publiceerden informaticus Fei-Fei Li en haar team aan de Princeton University (later Stanford) ImageNet — een dataset van meer dan 14 miljoen afbeeldingen, handmatig gelabeld met meer dan 20.000 categorieën. Het project had drie jaar geduurd en tienduizenden crowdwerkers ingeschakeld via Amazon Mechanical Turk. ImageNet was niet slechts een dataset; het was een nieuwe standaard voor wat machine learning-benchmarks moesten zijn.

De ImageNet Large Scale Visual Recognition Challenge

In 2010 lanceerde Li de ImageNet Large Scale Visual Recognition Challenge (ILSVRC) — een jaarlijkse competitie waarbij teams wedijverden om de meest nauwkeurige beeldclassificator te bouwen. In de eerste twee jaar behaalden de beste systemen foutpercentages van rond de 26%. Toen kwam 2012: AlexNet, een diep convolutioneel neuraal netwerk van Krizhevsky, Sutskever en Hinton, behaalde een foutpercentage van 15,3% — bijna de helft van de fout van het op-één-na-beste systeem. Dit dramatische resultaat demonstreerde de kracht van deep learning en loste de revolutie uit die de gehele technologiesector zou hervormen.

Fei-Fei Li's visie

Li's inzicht was dat het knelpunt in AI niet algoritmen waren, maar data. Terwijl andere onderzoekers zich richtten op het verbeteren van modellen, betoogde zij dat een model slechts zo goed is als de data waaruit het leert. ImageNet gaf onderzoekers een gemeenschappelijke, grootschalige benchmark om voortgang objectief te meten. Haar visie — dat AI enorme hoeveelheden gelabelde data nodig had om menselijk prestatieniveau te benaderen — bleek vooruitziend en staat nog steeds centraal in AI-ontwikkeling.

Bronnen

• Deng, J. et al. (2009). ImageNet: A Large-Scale Hierarchical Image Database. CVPR 2009.
• Li, F.F. (2023). The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI. Flatiron Books.
• Wikipedia — ImageNet