ReImageNet 论文揭示 ImageNet 12% 标签错误

ducha_aiki · x · 2026-08-21

一篇题为《Doomed to Re-Annotate, Forever: The ImageNet Story》的论文发布了 ReImageNet，这是对 ImageNet-1k 验证集的全面重标注工作。研究发现，原数据集中约 12% 的标签不正确，33.3% 的图像包含多标签，3.8% 不含任何 ImageNet 类别的对象。使用新标签后，监督模型的 Top-1 准确率提升高达 1.2%，多模态大模型（MLLMs）提升 5-6%。论文认为，这种规模的数据集标注无法一次性完成，必须通过人类与 LLM 协作配合工具进行反复细化。