ImageNet数据集以及ILSVRC挑战赛的说明
论文的目标：
1.讨论创建大规模物体识别基准集的挑战
2.强调物体分类和识别的发展的影响
3.进一步分析当前多种类物体识别领域的形式
公开发布的数据集：
一组人工标注的训练图片，一组人工标注的测试图像
两种注释：
一是图片级别的注释（比如：有车在这张图片里），二是对象级别的注释（边界点：（20，25），宽度50p，高度30p）
2010年146，1406张图片1000分类，采用重筹的方式来收集注释。
ImageNet数据集最接近于PASCAL VOC数据集（目标检测，图像识别，目标分段，人员布局，动作分类）
2014年Lin发布了coco数据集，与ImageNet2014年数据集的比较
COCO数据集32.8万图片，250万目标实例，91目标检测类（object detection），每个目标类平均27K目标检测，包含目标分割注释。
ImageNet数据集1419.7万标记的图片通过wordNet，ILVSRC 200目标检测类（object detectiondetection），每类1k目标检测对象，不包含分割注释。
ImageNet获得注释方法，通过土耳其机器人，最近用精心制作的游戏获得注释ILSVRC比赛内容:
2010-2014年图片分类，11-14单目标定位，13-14目标检测
table1中说明了Image classification,Single-object localization,Object detection的主要验证方式
图片分类规模：
