ImageNet：トップ1およびトップ5エラー率とは何ですか？

ImageNet分類論文では、トップ1とトップ5のエラー率は、いくつかのソリューションの成功を測定するための重要な単位ですが、それらのエラー率はどのくらいですか？

深い畳み込みニューラルネットワークとImageNet分類 Krizhevskyらによる。1つのCNN（7ページ）に基づくすべてのソリューションには、上位5つのエラー率がありませんが、5および7 CNNのソリューションにはあります（また、7 CNNのエラー率は5 CNNよりも優れています）。

これは、トップ1のエラー率が1つのCNNの最高のシングルエラー率であることを意味しますか？

トップ5のエラー率は、単に5つのCNNの累積エラー率ですか？

[...]ここで、トップ5エラー率は、モードで最も可能性が高いと考えられる5つのラベルの中に正しいラベルが含まれていないテスト画像の割合です。

最初に、CNNを使用して予測を行い、予測クラスの多項分布（）を取得します。$\sum p_{class} = 1$

ここで、トップ1スコアの場合、トップクラス（最も確率が高いクラス）がターゲットラベルと同じかどうかを確認します。

以下の場合は、トップ5のターゲットラベルは、あなたのトップ5の予測（最高確率と5つのもの）のいずれかである場合、スコア、あなたは確認してください。

どちらの場合も、トップスコアは、予測ラベルがターゲットラベルと一致した回数を、評価されたデータポイントの数で割って計算されます。

最後に、5-CNNを使用する場合、最初に予測を平均し、同じ手順に従ってトップ1スコアとトップ5スコアを計算します。

分類子は、各クラスの確率を提供します。クラスとして「猫」、「犬」、「家」、「マウス」のみがこの順序であったとしましょう。その後、分類器は次のようなsomehtingを与えます

0.1; 0.2; 0.0; 0.7

結果として。トップ1クラスは「マウス」です。トップ2クラスは{mouse、dog}です。正しいクラスが「犬」だった場合、トップ2の精度については「正しい」としてカウントされますが、トップ1の精度については間違っているとカウントされます。

したがって、可能なクラスを持つ分類問題では、すべての分類子の精度は100％の上位ます。「通常の」精度はトップ1です。$k$$k$