ディープラーニングの凄さが証明された瞬間

画像認識の精度を競う大会、ILSVRC（Imaging Large Scale Visual Recgnition Challenge）で、トロント大学のSuper Visionが優勝した。

それまでは、機械学習による画像認識が主流で、画像の特徴量を人間が与えることで行なっていた。
したがって、画像認識の精度そのものも、特徴量の選び方によって左右されていた。
と同時に、人間が特徴量を選ぶこと自体に、限界があり、画像認識の精度をコンマ数パーセントを争うような時代であり、SuperVisionが登場する前年のエラー率（認識を誤る割合）は、26%だった。

スポンサーリンク

しかし、SuperVisionは、15.3%という脅威的なエラー率で、2位の東京大学（ISI）の26.1%を10%近く引き離して優勝した。
SuperVisionは、それまでの主流であった特徴量による機械学習ではなく、ディープラーニングによる機械学習を開発することができたためだ。

2012年以降、画像認識の主流はディープラーニングへと替わり、2015年には人間自身の画像認識エラー率である4%をついに超え、3%代に突入した。