为什么要使用Top-5 error

因为在图像分类的任务中，一个图像中可能会有多个物体，那么我们的算法会可能会全部识别出来，并按照置信度大小排序。如果我们只使用了Top-1 error，那么有可能算法会因为识别到了这个物体但是不是置信度最高而受到惩罚。为了让我们算法保留识别出一个图像中的多个物体的能力，所以我们采取了Top-5 error，只要前五个识别出来了，就算正确。这样就减少了识别出来却受到惩罚的现象。
Top-5 error计算方法如下：
$$e=\frac{1}{n}\sum _{k=1}^{n}mi{n}_{j}d(l_j,g_k)，d(x,y)=0ifx=yand1otherwise$$其中，$g_k$是我们的标注值，$n$是我们图片有几个标注，在分类任务里标注为1，$l_j$是我们识别出来的前五个物体。