&nNet？這是什麼網路結構？”李飛飛仔細翻找了一下各個隊伍對自己提交的描述。
可以看到幾乎所有隊伍的提交中都描述道，“我們的結構基於AlexNet”，“我們仿照AlexNet”，“我們把AlexNet和傳統支援向量機/../..相結合”。
做法類似，結果自然也大差不差。
剩下的便是如何把數個模型整合到一起的描述。
&n，人員構成欄只有“Fanqi Meng， Huang Tang”兩個名字，沒有具體的機構資訊。
觀看隊伍演算法的簡介，更是寥寥數語。
&nNet，使得深達到百層乃至千層的網路能夠被訓練。由於缺乏足夠的裝置，我們只獲得了單個的權重進行提交。”
孟繁岐是故意的，他當然可以把殘差又或者是其他的主要trick簡要地在隊伍的提交描述裡介紹清楚。但為什麼要這麼做呢，一定要先勾起業界這些人的好奇心，才能夠獲得最大的關注。
分類top5錯誤率，4.9%。
這樣一個簡單的數字直接擊中了李飛飛的內心。
演算法的錯誤率低於人類的5.1%，從09年她推動這個競賽以來，一直是她追求的目標，也是她組織這個競賽的一大原因。
她甚至曾經做好了打算，如果某一屆的演算法成功地突破了這個水準，就不再繼續組織IMAGENET。
但她萬萬沒有想到，這一天會來得這麼快。
就在400天前，最好的傳統辦法還只能取得25%左右的錯誤率。
去年AlexNet 16左右的錯誤率，她以為是一次厚積薄發的飛躍，這樣的進展可謂幾十年一現。
完全沒有想到今年的結果會給她一個更加誇張的驚喜。
&nNet，突破了人類水準的DreamNet。
李飛飛覺得這個名字起得實在恰如其分，這個結果真是如夢似幻。
&nAP: 0.34673，更是對第二名的0.22581進行了降維打擊。
我的天，這幾個人到底是何方神聖？李飛飛苦思冥想，也想不出在哪個AI實驗室有聽過這幾個名字。
“為什麼不把演算法內容大概描述一下！”李飛飛用手狂錘了兩下桌子，沒有任何人比她這個資料收集者更能明白和理解這個演算法效能的含金量。
自從她看到這個結果的一瞬間開始，她的好奇心就如脫韁的野馬，再也無法控制。真的好想知道，好想知道。哪怕只是似是而非的一兩句描述，哪怕只是不明覺厲的一兩個特定術語也好。
只可惜孟繁岐深諳媒體宣傳那一套，字裡行間，先是“我們提出了新的DreamNet”表示這個結構是截然不同，相比AlexNet變化很大的，以強化閱讀者的好奇心。
隨後又丟擲重磅炸彈，“我們使得深達到百層乃至千層的網路能夠被訓練”，以去年8層的冠軍來對比，這個數字實在太過震撼，更讓技術從業者們心癢不已。
最後再假裝謙虛一下，實則表示，我們只使用比較有限的資源，獲得了一個結果，就不跟你們去卷多模型融合整合那一套了。
效能相差那麼多，實在沒必要呀。
“儘快把結果頁面上線。”李飛飛回復訊息給鄧嘉，心中暗想難怪一想沉穩踏實的鄧嘉剛剛冒失得很，“這個罪可不能讓我一個人來受，我要讓你們統統急得像熱鍋上的螞蟻。”
最頂尖的大腦都是好奇心很強的，這種對未知的好奇，對更好的追求驅使著他們做出一個又一個可以改變人類生活的成果。
對稍稍近似一些的結果，可能還容易忍耐一些。因為會覺得，自己再仔細想想，努力測試一下，加入一點小的技巧，也許也可以收穫同樣的結果。