notMNIST

采用一些公开可用的字体并从中提取字形，以制作类似于 MNIST 的数据集。有 10 个类，字母 A-J 取自不同的字体。以下是字母“A”的一些示例。从示例来看，人们会认为这比 MNIST 更难。情况似乎是这样——在堆叠式自动编码器之上进行微调的逻辑回归得到了大约 89% 的准确率，而同样的方法在 MNIST 上得到了 98% 的准确率。数据集由大约 19k 个实例的小型手动清理部分和 500k 个实例的大型未清理数据集组成。两部分的标签错误率大约为 0.5% 和 6.5%。我通过查看字形并计算我对字母的猜测与字体文件中的 unicode 值不匹配的频率来得到这个。

搜集汇总

背景与挑战

背景概述

notMNIST是一个模仿MNIST的图像数据集，包含10个类别（字母A-J），基于不同字体字形构建，分为约19k个清理实例和500k个未清理实例，标签错误率分别为0.5%和6.5%，其分类难度高于MNIST。