Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

mnist_corrupted

MNISTCorrupted to zestaw danych wygenerowany przez dodanie 15 uszkodzeń do obrazów testowych w zestawie danych MNIST. Ten zestaw danych obejmuje statyczne, uszkodzone obrazy testowe MNIST przesłane przez oryginalnych autorów

Podział Przykłady
'test' 10 000
'train' 60 000
  • Cechy:
FeaturesDict({
    'image': Image(shape=(28, 28, 1), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
@article{mu2019mnist,
  title={MNIST-C: A Robustness Benchmark for Computer Vision},
  author={Mu, Norman and Gilmer, Justin},
  journal={arXiv preprint arXiv:1906.02337},
  year={2019}
}

mnist_corrupted/identity (domyślna konfiguracja)

Wyobrażanie sobie

mnist_corrupted/shot_noise

Wyobrażanie sobie

mnist_corrupted/impulse_noise

Wyobrażanie sobie

mnist_corrupted/glass_blur

Wyobrażanie sobie

mnist_corrupted/motion_blur

Wyobrażanie sobie

mnist_corrupted/shear

Wyobrażanie sobie

mnist_corrupted/scale

Wyobrażanie sobie

mnist_corrupted/rotate

Wyobrażanie sobie

mnist_uszkodzony/jasność

Wyobrażanie sobie

mnist_corrupted/translate

Wyobrażanie sobie

mnist_corrupted/stripe

Wyobrażanie sobie

mnist_corrupted/mgła

Wyobrażanie sobie

mnist_uszkodzony/rozprysk

Wyobrażanie sobie

mnist_corrupted/dotted_line

Wyobrażanie sobie

mnist_corrupted/zygzak

Wyobrażanie sobie

mnist_corrupted/canny_edges

Wyobrażanie sobie