UDA的并行算力下，对局部图像特徵的捕捉会表现出非同寻常的优越性，但他没想到，实际错误率比他预估中还低。
此时李教授拿着话筒上台了。
东京大学团队的人立刻大声问道：「李教授，请问漆昊团队是否将训练集和测试集搞错了？」
面对东京大学代表队不服气的质疑，原本有些嘈杂的主报告厅再次安静了下去，大家都在期待李教授这位ImageNet：挑战赛发起人会怎麽说。
台上李教授，拿起话筒直接解释了起来：「我非常理解东京大学团队，以及在座诸位此时此刻所感受到的震撼和难以置信，但从I mageNet挑战赛的工程逻辑和规则设计来看，你们所质疑的混淆数据集的情况，在物理层面上是绝对不可能发生的。」
「众所周知，为了确保比赛的绝对公平，ImageNet将整个数据集严格划分为三个完全独立的部分。」
「第一部分是包含120万张图片和完整标注的训练集，用於给各大团队进行模型训练，第二部分是包含5万张图片的验证集，用於大家在本地调参数，而真正决定结果，用於计算最终成绩的，是包含10万张图片的测试集。」
「简单说一下区别，拿训练集和验证集来说，它们就像是学校发给你们用来复习和模拟考的课後习题和参考答案，不管题面如何，大家手里都有一清二楚的正确答案。」
李教授考虑到现场有很多非专业的观众，尽量找了一个简单的例子：「那10万张测试集的图片，就像是期末考试中的期末考卷。」
「所以大家应该知道了，这10万张期末考卷只有题目，根本没有参考答案，标准答案自始至终都被锁在史丹福大学的离岸评测伺服器里，在这个世界上，除了我们核心评估小组的研究员，没有任何一个参赛团队能够接触到其中一个字节。」
「QIet团队和在座的诸位一样，手里只有那10万张没有任何标注的图，他们必须让自己的模型去预测这些图片里装的到底是什麽，然後将生成的纯文本预测报告上传至我们的伺服器，由我们的系统在後台进行全自动的双盲比对。」
「因此，除非漆昊团队黑进了斯坦福的网络，盗取了这10万张测试集的标准答案去教他们的神经网络做题，否则，根本没有可能把训练集和测试集搞混，更不可能在闭环中进行作弊。」
李教授话音一落，主报告厅里那点不服气的嗡嗡声，顿时小了许多。
东京大学领队本想再争辩两句，可如果他再质疑数据集污染，无疑是在暗示李教授团队有问题，李教授作为这个领域的佼佼者，他肯定不想得罪。
「我知道，仅仅是规则的严密，依然无法平息大家对QInet团队成绩的疑惑。」
「ImageNet挑战赛本意是想成为促进学术交流的平台，所以下面我们进入现场答辩环节。」
「下面有请QInet团队负责人漆昊，上台！」
现场观众大多数都是为了漆昊来的，现在漆昊上了台，他们非常给面子的给了他最大的掌声。
随後佩罗宁迫不及待开口了：「李教授，请问我可以提问吗？」
李教授说：「现场答辩期间你们可以问问题。」
佩罗宁接过工作人员递过来的话筒，说：「李教授，我们当然相信测试集的公平性，但成绩归成绩，科学是要讲方法论的。」
「我想请问QInet团队，你们如何将错误率降低到15%的？如果连方法都说不清楚，恕我直言，这个结果很难让人信服。」
漆昊拿起话筒就说了起来：「各位好，我是漆昊。」
「我理解各位目前的质疑，事实上，如果易地而处，看到有人把imageneti
-->>(第2/5页)（本章未完，请点击下一页继续阅读）