ImageNet

ImageNet은 페이-페이 리가 2007년 프린스턴 대학교 재직 중 개발을 시작한 대규모 이미지 데이터셋입니다. 인지심리학자 Irving Biederman이 추정한 "인간은 약 3만 개의 사물 범주를 인식한다"는 가설에서 출발했습니다. 당시 동료 연구자들은 이 정도 규모의 데이터셋 구축이 비현실적이라며 회의적이었습니다.

구성

WordNet의 명사 계층 구조를 따라 이미지를 분류합니다. Amazon Mechanical Turk를 통한 크라우드소싱으로 2만 2000개 범주에 걸쳐 1400만 장 이상의 이미지를 레이블링했습니다. 2009년 CVPR에서 "ImageNet: A Large-Scale Hierarchical Image Database" 논문으로 처음 발표됐습니다.

ILSVRC 챌린지

2010년부터 2017년까지 매년 열린 ImageNet Large Scale Visual Recognition Challenge(ILSVRC)는 전체 데이터셋 중 1000개 범주 서브셋을 사용해 이미지 분류 성능을 겨루는 대회였습니다. 상위 5개 예측 중 정답이 있는지를 보는 top-5 오류율이 핵심 지표였습니다.

2012년 제프리 힌턴 연구실의 일리야 수츠케버, 알렉스 크리젭스키가 발표한 AlexNet이 top-5 오류율을 전년도 최고 기록 26.2%에서 15.3%로 크게 낮추며 우승했습니다. 이 격차는 딥러닝이 기존 컴퓨터 비전 기법을 압도적으로 앞서는 전환점으로 받아들여졌고, 이후 몇 년간 ILSVRC 우승 모델은 모두 합성곱 신경망 계열이 차지했습니다.

편향 문제와 개선

대규모 크라우드소싱으로 만들어진 데이터셋인 만큼 편향 문제도 뒤따랐습니다. 2020년 발표된 후속 연구("Towards fairer datasets")에서는 사람을 다루는 하위 범주(person subtree)에서 인식하기 어렵거나(low imageability) 차별적인 개념을 걸러내고 분포를 재조정하는 작업이 이뤄졌습니다.

영향

ImageNet과 ILSVRC는 대규모 주석 데이터셋의 부재라는 컴퓨터 비전의 핵심 병목을 해소하며 딥러닝 발전의 촉매가 되었습니다. 자율주행, 얼굴 인식, 의료 영상 등 오늘날 컴퓨터 비전 응용 전반이 이 데이터셋 위에서 검증된 아키텍처와 사전학습 가중치에 기반합니다. ILSVRC 자체는 2017년을 마지막으로 대회를 마쳤지만, 데이터셋과 벤치마크로서의 지위는 이후로도 이어지고 있습니다.