ILSVRCって何ですか？ディープラーニングの歴史でよく出てきますよね。
ImageNet（約1,400万枚・1,000カテゴリ）を使った画像認識の世界的コンペティション（2010〜2017年）だよ。「この写真に写っているもの、5回以内に当ててね」というクイズ大会で、世界中のAI研究者が競い合った。ディープラーニングブームの火付け役となった重要なイベントなんだ。
トロント大学（クリジェフスキー、ヒントンら）が開発したAlexNetが、トップ5エラー率を約10%も引き下げて圧勝（従来26%→16%）。第3次AIブームの火付け役となった。
| 項目 | 内容 |
|---|---|
| チーム | トロント大学（クリジェフスキー、ヒントンら） |
| モデル名 | AlexNet |
| 成果 | トップ5エラー率を約10%引き下げて圧勝（従来26%→16%） |
| 技術 | CNN + GPU活用 + ReLU + ドロップアウト |
| 意義 | 第3次AIブームの火付け役。DLの有効性を世界に示した |
これ以前は手作業で特徴量を設計する手法が主流だったけど、AlexNetが「CNNに任せれば人間の設計を超える」ことを証明したんだ。
top-5エラー率：モデルが出力する上位5つの予測候補の中に正解が含まれない割合。ILSVRCでは主要な評価指標として使われた。
top-1エラー率：モデルが最も確信度の高い1つの予測が正解でない割合。top-5よりも厳しい基準。
例：画像に「柴犬」が写っている場合
・モデルの予測が「1位:秋田犬、2位:柴犬、3位:コーギー、4位:ビーグル、5位:プードル」
→ top-1はエラー（1位が不正解）だが、top-5は正解（上位5つに「柴犬」が含まれる）
ILSVRCの1,000カテゴリには似た犬種が多数あり、top-1での完全一致は非常に難しいため、top-5エラー率が採用された。
| 年 | モデル | 特徴 |
|---|---|---|
| 2012 | AlexNet | CNN + GPU。DLブームの始まり |
| 2014 | GoogLeNet | Inceptionモジュール。層を深く＆効率的に |
| 2014 | VGGNet | シンプルに3x3フィルタを積み重ねて深くした |
| 2015 | ResNet | 残差接続（スキップ接続）で152層を実現。人間のエラー率を超えた |
トップ5エラー率：約5.1%
トップ5エラー率：約3.6%
2011年 従来手法：約26% → 2012年 AlexNet：約16% → 2014年 GoogLeNet：約6.7% → 2014年 VGG：約7.3% → 2015年 ResNet：約3.6%（人間の限界5.1%を突破！）
ディープラーニングの勉強で使うデータセットにはどんなものがありますか？
代表的なものを4つ紹介するよ。難易度順に MNIST → Fashion-MNIST → CIFAR-10 → ImageNet となる。
英単語の意味の関係（上位語・下位語・同義語など）を体系化した言語データベース。画像データではない。ImageNetは、この「言葉の階層構造」に画像を紐づけたもの。
例：動物（上位語）→ 犬（下位語）→ 柴犬・プードル
| データセット | 内容 | 枚数 | サイズ | 色 | カテゴリ数 | 難易度 |
|---|---|---|---|---|---|---|
| MNIST | 手書き数字 | 7万 | 28x28 | 白黒 | 10 | 簡単 |
| Fashion-MNIST | 衣類 | 7万 | 28x28 | 白黒 | 10 | やや難 |
| CIFAR-10 | 実世界の物体 | 6万 | 32x32 | カラー | 10 | 中程度 |
| ImageNet | あらゆる物体 | 1,400万 | 様々 | カラー | 2万超 | 高い |
簡単 ──────────────────── 難しい
MNIST（入門） → Fashion-MNIST（入門+α） → CIFAR-10（中級） → ImageNet（本格）