Classification
ImageNet：什麼是 top-1 和 top-5 錯誤率？
在 ImageNet 分類論文中，top-1 和 top-5 錯誤率是衡量某些解決方案成功與否的重要單位，但這些錯誤率是多少？
在Krizhevsky等人的ImageNet Classification with Deep Convolutional Neural Networks 中。每個基於單個 CNN 的解決方案（第 7 頁）都沒有前 5 個錯誤率，而具有 5 個和 7 個 CNN 的解決方案有（而且 7 個 CNN 的錯誤率優於 5 個 CNN）。
這是否意味著 top-1 錯誤率是單個 CNN 的最佳單個錯誤率？
top-5 錯誤率僅僅是五個 CNN 的累積錯誤率嗎？
[…] 其中前 5 個錯誤率是測試圖像中正確標籤不在該模式認為最可能的五個標籤中的部分。
首先，您使用 CNN 進行預測並獲得預測的類多項分佈（ $ \sum p_{class} = 1 $ ).
現在，在top-1得分的情況下，您檢查頂級類別（概率最高的類別）是否與目標標籤相同。
對於前 5 個分數，您檢查目標標籤是否是您的前 5 個預測之一（概率最高的 5 個）。
在這兩種情況下，最高得分的計算方法是預測標籤與目標標籤匹配的次數除以評估的數據點數。
最後，當使用 5-CNN 時，首先對它們的預測進行平均，然後按照相同的程序計算 top-1 和 top-5 分數。