1.baseline

这个最常见，一般指你要比较的方法，如前人在paper中的方法，你以它为baseline并且明显在某些方面超越它，就所谓的state of the art.

2.benchmark

这个在不同方面代表不同的意思，一般指具体实验的载体

• 在CV中主要指DataSet,某一类数据集用来实验某一项研究。如当前比较火的Mate-learning中的Omniglot,就是一个多种类，单个种类样本却很少的数据集，专门用来玩few shot learning或者 one shot learning.

• 或者专门用来做视频的UTF101,moving-mnist，就是视频类文章的benchmark
• 待完善，

3.backnone

这个词最近比较流行，主要是指某一种基干网络，比如比较主流网络残差resnet,对抗生成gan,然后在基干网络上加东西或者改东西。

4.baseline与benchmark

• 解释1

一般用benchmark data 做实验，测试A B C D四个模型，然后以结果最差的一个模型，假设是C，作为baseline，看看其他模型相对C提高了多少

• 解释2

benchmark是一组操作或者数据（比较有普遍性，有说服力），比如一万次数据库的增删改查。比如15年的一个经典算法用这一万次增删改查测试，得到的时间是baseline，那么15年之后的paper提出的新算法，就应该得到更快的时间。

• 解释3

baseline是当前的现状，benchmark是期望达到的目标。
比如说某个地方当前的教育普及率是50%，这个就是baseline。目标是将教育普及率提高的70%，这个70%就是benchmark。

• 解释4

baseline主要关注自己提出的方法，比如最原始最简单的方法出来的结果（参照物）。然后再这个基础上改进，增加各种组件，可以看出提升了多少，通过baseline我们可以知道这个方法能不能work，有多少提升。

benchmark主要对比别人的方法，这个方法不一定是最好的，但一定是最有代表性且被广泛认可的（一种标准和规则）。其所用的数据就是 benchmark data ，其方法就是benchmark method，你提出的方法的在benchmark data上得出的结果与benchmark method的结果对比才能知道你的方法是否足够好。

• 解释5

• 解释6

benchmark一般是和同行中比较牛的算法比较，比牛算法还好，那你可以考虑发好一点的会议/期刊；
baseline一般是自己算法优化和调参过程中自己和自己比较，目标是越来越好，当性能超过benchmark时，可以发表了，当性能甚至超过SOTA时，恭喜你，考虑投顶会顶刊啦。

————————————————

参考链接：https://www.zhihu.com/question/22529709

参考链接：https://blog.csdn.net/disanda/article/details/103788533