“DreamNet？这是什么网络结构？”

李飞飞仔细翻找了一下各个队伍对自己提交的描述。

可以看到几乎所有队伍的提交中都描述道，“我们的结构基于AlexNet”

，“我们仿照AlexNet”

，“我们把AlexNet和传统SVM....相结合”

。

做法类似，结果自然也大差不差。

剩下的便是如何把数个模型整合到一起的描述。

翻到队伍Dream，人员构成栏只有“FanqiMeng，HuangTang”

两个名字，没有具体的机构信息。

观看队伍算法的简介，更是寥寥数语。

“我们提出了新的DreamNet，使得深达到百层乃至千层的网络能够被训练。

由于缺乏足够的设备，我们只获得了单个的权重进行提交。”

孟繁岐是故意的，他当然可以把残差又或者是其他的主要trick简要地在队伍的提交描述里介绍清楚。

但为什么要这么做呢，一定要先勾起业界这些人的好奇心，才能够获得最大的关注。

分类top-5错误率，4.9%。

这样一个简单的数字直接击中了李飞飞的内心。

算法的错误率低于人类的5.1%，从09年她推动ImageNet以来，一直是她追求的目标，也是她组织这个竞赛的一大原因。

她甚至曾经做好了打算，如果某一届的算法成功地突破了这个水准，就不再继续组织IMAGENET。

但她万万没有想到，这一天会来得这么快。

就在400天前，最好的传统办法还只能取得25%左右的错误率。

去年AlexNet16左右的错误率，她以为是一次厚积薄发的飞跃，这样的进展可谓几十年一现。