YaChudo

MNIST (база даних)

Переглядів: 0. Оновлено 10.10.2026.

Приклади зображень в базі

База даних MNIST (скорочення від Modified National Institute of Standards and Technology) — об'ємна база даних зразків рукописного написання цифр[1]. Є стандартом, запропонованим Національним інститутом стандартів і технологій США з метою калібрування і зіставлення методів розпізнавання зображень за допомогою машинного навчання, в першу чергу на основі штучних нейронних мереж[2][3]. База даних містить 60000 зображень для навчання і 10000 зображень для тестування.

Дані складаються з заздалегідь підготовлених прикладів зображень, отриманих з рукописних документів шляхом обробки чорно-білих зразків символів NIST розміром 20 × 20 {\displaystyle 20\times 20} пікселів. Творці бази даних NIST, в свою чергу, використовували набір зразків з Бюро перепису населення США, до якого були додані ще тестові зразки, написані студентами американських університетів. Зразки з набору з NIST були нормалізовані, пройшли згладжування та приведення до напівтонового зображенню розміром 28 × 28 {\displaystyle 28\times 28} пікселів.

Рекордні результати машинного розпізнавання на базі MNIST були досягнуті на згорткових нейронних мережах, рівень помилки був доведений до 0,23 %.

Результати обробки для різних систем

У таблиці наведені приклади результатів машинного навчання в різних системах класифікації зображень.

Тип Структура Спотворення Попередня обробка Помилка (%)
Лінійний класифікатор Однорівневий перцептрон Ні Ні 12.0
Лінійний класифікатор Попарний лінійний класифікатор Ні Вирівнювання 7.6
Метод найближчих k-сусідів К-ПН з нелінійною деформацією (P2DHMDM) Ні Shiftable edges 0.52
Метод градієнтного підсилювання Обробка залишків на основі гаароподібних ознак Ні Гаароподібна ознака 0.87
Нелінійний класифікатор 40 PCA + квадратичний класифікатор Ні Ні 3.3
Метод опорних векторів Віртуальна система опорних векторів, град-9 поли, 2-пікселя jittered Ні Вирівнювання 0.56
Нейронна мережа 2-рівнева мережа 784-800-10 Ні Ні 1.6
Нейронна мережа 2-рівнева мережа 784-800-10 Пружні деформації Ні 0.7
Глибока нейронна мережа 6-рівнева мережа 784-2500-2000-1500-1000-500-10 Пружні деформації Ні 0.35
Згорткова нейронна мережа 6-рівнева мережа 784-40-80-500-1000-2000-10 Ні Розширення даних для навчання 0.31
Згорткова нейронна мережа 6-рівнева мережа 784-50-100-500-1000-10-10 Ні Розширення даних для навчання 0.27
Згорткова нейронна мережа Ансамбль з 35 CNN-мереж, 1-20-С-40-С-150-10 Пружні деформації З нормалізацією 0.23
Згорткова нейронна мережа Ансамбль з 5 CNN-мереж, 6-784-50-100-500-1000-10-10 Ні Розширення даних для навчання 0.21

Примітки

  1. ↑ Слюсар, В.И. (2021). Тензорно-матричная версия LeNet5 (PDF). IV Міжнародна науково-практична конференція «Інтеграція інформаційних систем і інтелектуальних технологій в умовах трансформації інформаційного суспільства», що присвячена 50-ій річниці кафедри інформаційних систем та технологій, 21-22 жовтня 2021 р., Полтава: Полтавський державний аграрний університет.: 114—119. doi:10.32782/978-966-289-562-9. Архів оригіналу (PDF) за 2 листопада 2021. Процитовано 30 жовтня 2021.
  2. ↑ Support vector machines speed pattern recognition - Vision Systems Design. Vision Systems Design. Архів оригіналу за 21 вересня 2013. Процитовано 17 серпня 2013.
  3. ↑ Gangaputra, Sachin. Handwritten digit database. Архів оригіналу за 21 вересня 2013. Процитовано 17 серпня 2013.

Див. також

Джерела

Джерело: стаття у Вікіпедії та історія редагувань (автори).